本文共 4209 字，大约阅读时间需要 14 分钟。

提高效率

一张图片的分辨率，小点的有 50x50=2500 个像素，大的则有 1920*1080=2073600 个像素。

如果有一批图片需要处理，那速度就会特别的慢。

本节内容就来介绍下，如何高效的生成大量的像素画。

说到高效，肯定和电脑性能有关。但是提高性能是最后的办法。

提高效率，还有就是电脑的线程。毕竟电脑都是多核心多线程，而且 Python 默认是单线程的，所以提高效率，第一步是使用线程。

封装成函数

首先，将我们前面写好的脚本代码，封装成函数，只需要传入图片路径，直接生成对应的 xlsx 文件，且函数方便调用，易于管理。如下代码：

import xlsxwriterfrom PIL import Imageimport osfrom concurrent import futuresdef paint_excel(filename):    print("开始处理{}".format(filename))    wb = xlsxwriter.Workbook(filename+'.xlsx')    ws = wb.add_worksheet('sheet1')    img = Image.open(filename)    imgL = img.convert("P").convert("RGB")    pix = imgL.load()    w, h = imgL.size    def RGB_to_Hex(tmp):        rgb = list(tmp)        strs = '#'        for i in rgb:            num = int(i)            strs += str(hex(num))[-2:].replace('x','0').upper()        return strs    for i in range(w):        for j in range(h):            rgb = pix[i,j]            color = RGB_to_Hex(rgb)            style = wb.add_format({
   'bg_color': '{}'.format(color)})            ws.write(j,i,'',style)            ws.set_row(j,1)    ws.set_column(0,w-1,0.5)    wb.close()    print("处理完成，文件名{}".format(filename),'\n')

封装的函数，接收一个图片路径，然后生成对应的 xlsx 文件，没有返回值。

单线程处理图片集

那图片的位置，是在和这个代码文件同一个目录中，如下截图：

然后使用 python 的 os 库，取出 course 目录中的全部图片，将图片名和路径全部拼接，得到图片的绝对路径，然后逐个的调用函数，就可以得到单线程版本的批量生成像素图程序了。如下代码：

import xlsxwriterfrom PIL import Imageimport os​def paint_excel(filename):    print("开始处理{}".format(filename))    wb = xlsxwriter.Workbook(filename+'.xlsx')    ws = wb.add_worksheet('sheet1')    img = Image.open(filename)    imgL = img.convert("P").convert("RGB")    pix = imgL.load()    w, h = imgL.size    def RGB_to_Hex(tmp):        rgb = list(tmp)        strs = '#'        for i in rgb:            num = int(i)            strs += str(hex(num))[-2:].replace('x','0').upper()        return strs    for i in range(w):        for j in range(h):            rgb = pix[i,j]            color = RGB_to_Hex(rgb)            style = wb.add_format({
   'bg_color': '{}'.format(color)})            ws.write(j,i,'',style)            ws.set_row(j,1)    ws.set_column(0,w-1,0.5)    wb.close()    print("处理完成，文件名{}".format(filename),'\n')if __name__ == "__main__":    path = os.getcwd()+'\course'    # 单线程    for filename in os.listdir('./course'):        full_path_filename = os.path.join(path,filename)        print(full_path_filename)        paint_excel(full_path_filename)

测试可以正常工作，没有什么问题，如下图：

但是有个问题，单线程效率低，速度慢，花时间。那就准备介入多线程吧。

多线程的使用示例

多线程操作，使用 python 的 concurrent 库，这是官方的，基于 threading 封装，使用更方便。先导入库

from concurrent import futures

导入之后，看下使用示例：

tasklist = [1,2,3,4,5]with futures.ThreadPoolExecutor(50) as executor:    executor.map(函数, tasklist)

这是使用示例，创建 50 个线程，然后通过高阶函数 map，将任务 tasklist 全部丢给工作函数，等待他们执行完即可。

50 这个数值是自己新建的，如果只有 5 个任务，也就不需要 50 个，5 个就够。所以这个数值，可以按照图片个数或者一半来指定并发数。

多线程加速生成像素画

最后完成的代码如下：

# coding: utf-8import xlsxwriterfrom PIL import Imageimport osfrom concurrent import futuresdef paint_excel(filename):    print("开始处理{}".format(filename))    wb = xlsxwriter.Workbook(filename+'.xlsx')    ws = wb.add_worksheet('sheet1')    img = Image.open(filename)    imgL = img.convert("P").convert("RGB")    pix = imgL.load()    w, h = imgL.size    def RGB_to_Hex(tmp):        rgb = list(tmp)        strs = '#'        for i in rgb:            num = int(i)            strs += str(hex(num))[-2:].replace('x','0').upper()        return strs    for i in range(w):        for j in range(h):            rgb = pix[i,j]            color = RGB_to_Hex(rgb)            style = wb.add_format({
   'bg_color': '{}'.format(color)})            ws.write(j,i,'',style)            ws.set_row(j,1)    ws.set_column(0,w-1,0.5)    wb.close()    print("处理完成，文件名{}".format(filename),'\n')if __name__ == "__main__":    path = os.getcwd()+'\course'    # 单线程    # for filename in os.listdir('./course'):    #     full_path_filename = os.path.join(path,filename)    #     print(full_path_filename)    #     paint_excel(full_path_filename)    # 多线程    tasklist = [os.path.join(path,filename) for filename in os.listdir('./course')]    with futures.ThreadPoolExecutor(len(tasklist)) as executor:        executor.map(paint_excel, tasklist)

这里是完整的代码，有单线程和多线程，具体的时间差可以自行测试下。

转载地址：https://aiyuechuang.blog.csdn.net/article/details/114837116 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！