python3中for循环内的变量_Python3.7：使用共享变量多处理for循环

对于多处理来说，计算负担似乎不够大。在

然而，对于那些对我的问题中的图像处理部分感兴趣的人，我发现了另一种更快速的方法(比以前的方法15到20倍)在没有for循环的情况下完成同样的事情：from matplotlib import cm

import matplotlib.pyplot as plt

from mpl_toolkits.axes_grid1 import make_axes_locatable

import numpy as np

from PIL import Image

cm_jet = cm.get_cmap('jet')

img_src = Image.open(r'path to your grey image')

img_src.mode='I'

Img_grey = list(img_src.getdata())

max_img = max(Img_grey)

min_img = min(Img_grey)

rgb_array=np.uint8(cm_jet(((np.array(img_src)-min_img)/(max_img-min_img)))*255)

ax = plt.subplot(111)

im = ax.imshow(rgb_array, cmap='jet')

divider = make_axes_locatable(ax)

cax_plot = divider.append_axes("right", size="5%", pad=0.05)

cbar=plt.colorbar(im, cax=cax_plot, ticks=[0,63.75,127.5,191.25,255])

dx_plot=(max_img-min_img)/255

cbar.ax.set_yticklabels([str(min_img),str(round(min_img+63.75*dx_plot)),str(round(min_img+127.5*dx_plot)),str(round(min_img+191.25*dx_plot)), str(max_img)])

ax.axes.get_xaxis().set_visible(False)

ax.axes.get_yaxis().set_visible(False)

plt.savefig('test_jet.jpg', quality=95, dpi=1000)