yield 在影像處理中也是蠻好用的，特別是當你需要處理大量影像或希望逐步處理影像時。它可以用來生成一個影像流，讓你能夠一次處理一張影像而不需要一次性加載所有影像進記憶體。
yield 是 Python 中的一個關鍵字，用於創建生成器（generator）。
本文將比較yield與List儲存影像，所佔用的記憶體大小，來體現使用yield有什麼實質上的好處。
使用yield方法：
import cv2
import os
import numpy as np
def is_ndarray(variable):
return isinstance(variable, np.ndarray)
def process_images_in_directory(directory):
for filename in os.listdir(directory):
if filename.endswith(('.png', '.jpg', '.jpeg', '.bmp')):
img_path = os.path.join(directory, filename)
img = cv2.imdecode(np.fromfile(file=img_path, dtype=np.uint8), cv2.IMREAD_COLOR)
if img is None:
continue
# 進行影像處理，例如轉換為灰階
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 使用 yield 返回處理後的影像
yield gray_img, filename
directory_path = 'D:/crab/照片/寶貝狗狗'
img_generator = process_images_in_directory(directory_path)
for gray_img, filename in img_generator:
# 這裡可以進一步處理影像或顯示影像
if is_ndarray(gray_img):
print(gray_img.shape)
cv2.imshow('Gray_Image', gray_img)
cv2.waitKey(0) # 按任意鍵繼續
cv2.destroyAllWindows()
使用列表儲存影像
將所有影像讀取後存到一個列表中，然後進行後續處理：
import cv2
import os
import numpy as np
def process_images_in_directory(directory):
images = []
filenames = []
for filename in os.listdir(directory):
if filename.endswith(('.png', '.jpg', '.jpeg', '.bmp')):
img_path = os.path.join(directory, filename)
img = cv2.imdecode(np.fromfile(file=img_path, dtype=np.uint8), cv2.IMREAD_COLOR)
if img is None:
continue
# 進行影像處理，例如轉換為灰階
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
images.append(gray_img)
filenames.append(filename)
return images, filenames
directory_path = 'D:/crab/照片/寶貝狗狗'
images, filenames = process_images_in_directory(directory_path)
for gray_img, filename in zip(images, filenames):
if is_ndarray(gray_img):
print(f"{filename} 的形狀: {gray_img.shape}")
cv2.imshow('Gray_Image', gray_img)
cv2.waitKey(0) # 按任意鍵繼續
cv2.destroyAllWindows()
結論
但兩種方法，使用tracemalloc來分析佔用的記憶體大小，使用yield的方法比較省記憶體
