二、opencv 读取本机摄像头

读取本地摄像头比较简单，下面直接看代码就行。

原始版

import cv2

cap = cv2.VideoCapture(0)

while cap.isOpened():
    ret,frame = cap.read()
    cv2.imshow("frame",frame)
    cv2.waitKey(1)

优化版本

使用了多进程程和队列处理摄像头传输过来的图像帧，程序更加流畅
multiprocessing是pyhton下的进程管理包，像线程一样管理进程，这个是mutilprocess的核心，他与threading很是相像，对多核CPU的利用率会比threading好的多.

import cv2
import multiprocessing as mp

def queue_img_put(q):
    cap = cv2.VideoCapture(0)
    # cap.set(3,1280) #设置分辨率
    # cap.set(4,720)
    # cap.set(3,640) #设置分辨率
    # cap.set(4,480)       
    while True:
        is_opened, frame = cap.read()
        q.put(frame) #if is_opened else None

def queue_img_get(q, window_name):
    while True:
        frame = q.get()  
        cv2.imshow("frame",frame)     
        #需要进行wait 不然窗口一闪而过   
        cv2.waitKey(1)

def run():

    mp.set_start_method(method='spawn')  # multi-processing init
    queue = mp.Queue(maxsize=2)
    processes = [mp.Process(target=queue_img_put, args=(queue)),
                 mp.Process(target=queue_img_get, args=(queue))]

    [setattr(process, "daemon", True) for process in processes]  # process.daemon = True
    [process.start() for process in processes]
    [process.join() for process in processes]


if __name__ == '__main__':
    run()
pass

为什么要使用python多进程？

因为python使用全局解释器锁(GIL)，他会将进程中的线程序列化，也就是多核cpu实际上并不能达到并行提高速度的目的，而使用多进程则是不受限的，所以实际应用中都是推荐多进程的。
如果每个子进程执行需要消耗的时间非常短（执行+1操作等），这不必使用多进程，因为进程的启动关闭也会耗费资源。
当然使用多进程往往是用来处理CPU密集型（科学计算）的需求，如果是IO密集型（文件读取，爬虫等）则可以使用多线程去处理。