处理像素时的线程性能下降

Question

当我的 Python 脚本生成一个线程并运行以下代码段时，运行时间为 0.8 秒。 当它生成五个线程并运行代码时，运行时间为 ~5.0 秒。

显然，我希望代码即使在 5 或 5 个线程中也能在 ~0.8 秒内运行。 为什么会这样？ 我已经使用线程来改善程序其他部分的运行时间，但由于某种原因，它在这里成为瓶颈。 此外，我从未生成过超过 60 个线程，因此这不会影响性能。

# Open the image
imgx = Image.open(imgName)
imgx = imgx.convert("RGBA")
pix = imgx.load()                   

# Adjust dark pixels to black or white
for y in xrange(imgx.size[1]):
    for x in xrange(imgx.size[0]):
    # Get RGBA values for a pixel
    (first, second, third, alpha) = pix[x, y]
    # Ajust the RGBA values accordingly
    if (first > threshold) or (second > threshold) or (third > threshold):      
        first = 255
        second = 255
        third = 255
        alpha = 255
    else:                                       
        first = 0
        second = 0
        third = 0
        alpha = 255
    # Set new pixel values
    pix[x, y] = (first, second, third, alpha) 

Answer 1

Python 解释器有一个全局锁

（称为全局解释器锁或 GIL），可防止纯 Python 代码在多个线程中并发运行。

无论如何，在 Python 循环中单独迭代像素是非常低效的。 您应该使用 Numpy 的矢量化函数，这些函数可以全局作用于数组。 这在单个线程中会快得多，并且具有额外的优势，即 Numpy 在数组操作期间释放 GIL，因此它们实际上可以在多个线程中并行发生。

您可能甚至不需要为此应用程序使用线程。 使用多个进程比使用线程处理的微妙之处要少得多。

Numpy 代码大致相当于您编写的代码

img = Image.open(imgName).convert("RGBA")
arr = numpy.array(img)
# Split the channels of the image by rotating the axes
r, g, b, a = arr.transpose(2, 0, 1)
# Create Boolean array: True means pixel is above threshold
bw = (r > threshold) | (g > threshold) | (b > threshold)
# Set R, G and B channel to the 255 times the B/W array
arr[:, :, :2] = 255 * bw[:, :, numpy.newaxis]
# Set alpha channel to 255
arr[:, :, 3] = 255
# Create new PIL image from array
new_img = Image.fromarray(arr)