重现步骤
转换代码如下.每次转换需要花费200ms以上.
rgb888_img_np = rgb888_img.to_numpy_ref()
rgb888p_img_np = np.zeros((3, rgb888_img_np.shape[0], rgb888_img_np.shape[1]), dtype=np.uint8)
with ScopedTiming("convert",debug_mode > 0):
rgb888p_img_np[0] = rgb888_img_np[:, :, 0] # R通道
rgb888p_img_np[1] = rgb888_img_np[:, :, 1] # G通道
rgb888p_img_np[2] = rgb888_img_np[:, :, 2] # B通道
rgb888p_img = image.Image(rgb888p_img_np.shape[2], rgb888p_img_np.shape[1], image.RGBP888, data=rgb888p_img_np)
我找到一个快一些的方法
img_hwc=rgb888_img.to_numpy_ref()
shape=img_hwc.shape
img_tmp = img_hwc.reshape((shape[0] * shape[1], shape[2]))
img_tmp_trans = img_tmp.transpose()
img_res=img_tmp_trans.copy()
img_return=img_res.reshape((shape[2],shape[0],shape[1]))
这个转换只要120ms,但是还是觉得很慢.
期待结果和实际结果
希望能够快速完成转换
软硬件版本信息
K230
CanMV v1.2.2
错误日志
尝试解决过程
补充材料
