你好,我是悦创。

最近刚刚开始返校,断更了,为此还是非常抱歉的。接下来更新频率是周更,还是继续更新办公自动化。

这篇是 excel 自动话的文章的最后一篇,这些都是从我的自动化讲义中截取的一部分。对于上一篇 moviepy 视频处理的部分,因为一些小 bug 或者还需要看看官方文档,所以大家就多耐心等待一下。也希望我的每一篇,小伙伴们多多分享。这样后期看情况加快更新速度咯,谢谢支持咯。

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。
而且 Python 操作 Excel,逐个的给 Excel 单元格上色,还是比较慢的,所以一张图片也需要比较多的时间去完成像素画。

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 xlsxwriter
from PIL import Image
import os
from concurrent import futures


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')

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:

在这里插入图片描述

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 xlsxwriter
from PIL import Image
import 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:

在这里插入图片描述

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-8

import xlsxwriter
from PIL import Image
import os
from concurrent import futures


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)

    # 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。
效果图:

在这里插入图片描述

AI悦创·创造不同!
AI悦创 » 多线程加速 Excel 画像素画

1 评论

发表评论