- 当前位置：首页 >人工智能 >Python正面硬刚C语言，结果会怎样？
Python正面硬刚C语言，结果会怎样？
发布时间：2025-11-04 20:18:03 来源：云智核 作者：系统运维
雷达数据可视化是正面雷达数据处理的最后阶段，通常是硬刚C语言结样将一个二维数组的数据转换为扇形图像。这个二维数组的正面行数对应着雷达的扫描半径，扫描半径越大，硬刚C语言结样行数越多;数据的正面列数和雷达的扫描角度相关，扫描角度越大，硬刚C语言结样列数越多。正面
雷达扫描数据样例(扫描半径1km，硬刚C语言结样扫描范围130°)
比如，正面上面这张图就是硬刚C语言结样一个扫描半径1km、扫描范围130°的正面雷达二维数据的直观显示，下面这张图则是硬刚C语言结样由这个数据转换得到的扇形图像。
原始数据转扇形图像(顺时针扫描，正面初始相位155°)
二维数据转扇形图像的硬刚C语言结样原理很简单，就是正面将二维数据的每一列写到输出图像的对应像素上。如果输出图像的扇形弧长比原始数据的源码库列数多，则需要插值。下图是二维数据转扇形图像的原理示意图，原始数据共有8列，而输出图像的圆弧长24个像素(弧长取决于雷达扫描角度和扫描半径)，故每一列数据被重复操作了3次，每次的旋转角度各不相同。
二维数据转扇形图像原理示意图
近日有网友求援，要我帮忙优化一个用于雷达数据可视化的Python脚本。略作分析之后，基于二维数据转扇形图像的基本原理，我为求援的网友重写了一个新的脚本文件，全部代码大约50余行。
# -*- coding:utf-8 -*- import os, time import numpy as np from PIL import Image def outimg(fn_squ, fn_fan, angle, r0=0, phase=180, cw=True): """将矩形图像转为环形 fn_squ - 输入文件名 fn_fan - 输出文件名 angle - 环形夹角度数 r0 - 环形内圆半径，默认r0为0，输出扇形 phase - 初始相位（原点在输出图像的中心，以指向右侧的水平线为0°，逆时针方向为正） cw - 顺时针扫描 """ im = np.array(Image.open(fn_squ)) # 读图像文件为NumPy数组 h, w, d = im.shape # 矩形图像的高度、宽度和通道数 r1 = h + r0 # 扇形半径 k = int(np.ceil(np.radians(angle)*r1/w)) # 插值系数（自动确定，无需修改） xs = np.ones((2*r1-1, 2*r1-1), dtype=np.int32) * -1 # 列索引数组 ys = np.ones((2*r1-1, 2*r1-1), dtype=np.int32) * -1 # 行索引数组 rs = np.linspace(r1, r0, h) # 半径序列 hs = range(h) # 行序列 if cw: # 顺时针扫描 theta = np.radians(np.linspace(phase, phase-angle, k*w)) else: # 逆时针扫描 theta = np.radians(np.linspace(phase, phase+angle, k*w)) for i in range(k*w): x = np.int32(np.cos(theta[i])*rs) + r1 - 1 y = -np.int32(np.sin(theta[i])*rs) + r1 + 1 xs[(y, x)] = i//k ys[(y, x)] = hs im_fan = im[(ys, xs)] # 从原始数据得到扇形图像数据 im_fan[np.where(xs == -1)] = (0,0,0,0) # 空白部分置为透明 Image.fromarray(im_fan).save(fn_fan) # 保存为文件 if __name__ == __main__: fn_squ = res/raw_d130_1km.png fn_fan = res/fan_d130_1km.png t0 = time.time() outimg(fn_squ, fn_fan, angle=130, r0=100, phase=155, cw=True) t1 = time.time() print(图像已处理完并保存，耗时%d毫秒%int((t1-t0)*1000))使用上面展示的扫描半径1km、源码下载扫描范围130°的雷达二维数据(可直接下载图像文件作为测试数据)，这段代码生成扇形图像大约耗时1.6秒钟。发给求援的网友之后，很快传来了反馈消息：新的脚本不但可以正常运行，速度更是提升了20倍左右。略带夸张的千恩万谢之后，这位网友又说，他们原本对优化没有抱多大期望，只想尝试一下;如果优化结果不理想的话，打算用C替换这个脚本的;现在好了，处理速度足可满足需求，无需再用C重写了。
帮忙的事情算是圆满结束了，但这位网友的话却让我萌生了一个想法：用C来实现同样的功能，究竟会比Python快多少呢?平时总听到很多人说，Python如何如何慢，何不借此问题，让Python和C来一个正面较量呢?
坐而论道，不如起而行之。几个小时之后，我写完了下面这段同样是实现二维数据转扇形图像的b2b信息网C代码。其中加载图像文件和保存图像文件，借用了GitHub上的一个C/C++图像库。这个名为stb的图像库，并非无名之辈，单是Contributors就有188人之多，持续开发近10年之久，圈内也算小有名气。若要运行下面的代码，请先去stb的GitHub(https://github.com/nothings/stb/)下载stb_image.h和stb_image_write.h两个头文件。
#include <stdio.h> #include <stdlib.h> #include <windows.h> #define _USE_MATH_DEFINES #include <math.h> #define STB_IMAGE_IMPLEMENTATION #include "stb_image.h" #define STB_IMAGE_WRITE_IMPLEMENTATION #include "stb_image_write.h" int main() { LARGE_INTEGER li; LONGLONG startTime, stopTime, freq; QueryPerformanceFrequency(&li); freq = li.QuadPart; QueryPerformanceCounter(&li); startTime = li.QuadPart; // 记录开始时间 char* rawFile = "D://MyCcode//RadoData2Image//res//raw_d130_1km.png"; char* outFile = "D://MyCcode//RadoData2Image//res//fan_d130_1km.png"; int w_raw = 0, h_raw = 0, chn = 0; unsigned char* radoData = stbi_load(rawFile, &w_raw, &h_raw, &chn, 0); int r0 = 100, cw = 1, r1 = h_raw + r0; double angle = 130.0, phase = 155.0; int w_out = 2*r1 - 1, h_out = 2*r1 - 1; int size_out = w_out * h_out * chn; int k = (int)(ceil((M_PI*angle/180.0)*w_out/w_raw)); int arc = k * w_raw; double step = angle/(arc-1); char* fanData; fanData = (char*)malloc(size_out); // 生成保存转换结果的数组 for (int i=0; i<size_out; ++i) { fanData[i] = 0; // 初始化像素，全部透明 } double theta, sinv, cosv; int x, y, col_raw, pos_raw, pos_out; for (int i=0; i<arc; i++) { if (cw == 1) theta = M_PI * (phase - i*step) / 180.0; else theta = M_PI * (phase + i*step) / 180.0; sinv = sin(theta); cosv = cos(theta); col_raw = i/k; for (int r=r0; r<r1; r++) { x = (int)(cosv*r) + r1 - 1; y = -(int)(sinv*r) + r1 + 1; pos_out = (y * h_out + x) * chn; pos_raw = ((h_raw - 1 - r + r0) * w_raw + col_raw) * chn; for (int j=0; j<4; j++) fanData[pos_out+j] = radoData[pos_raw+j]; } } // 将转换结果保存为文件 stbi_write_png(outFile, w_out, h_out, chn, fanData, 0); QueryPerformanceCounter(&li); stopTime = li.QuadPart; // 记录结束时间 int costTime =(int)((stopTime-startTime)*1000/freq); printf("Time cost: %d ms\n", costTime); return 0; }激动人心的时刻终于到了，我迫不及待地点击了“构建并运行”按钮。看起来一切顺利，屏幕迅速滚动并最终定格。
C代码运行截图
什么?2668毫秒?竟然比Python慢了1000毫秒?不可能!!!直觉告诉我，一定是哪里出现了问题。接下来我又花了几个小时，反复检查验证，但结果和过程都没有发现问题。下表是10次运行结果的耗时记录，结果显示，在相同的测试条件下，Python平均耗时1660毫秒，C平均耗时2582毫秒，Python耗时大约是C的64%。
No. Python C 1 1635ms 2596ms 2 1652ms 2599ms 3 1696ms 2609ms 4 1673ms 2557ms 5 1633ms 2550ms 6 1632ms 2584ms 7 1626ms 2567ms 8 1729ms 2603ms 9 1642ms 2562ms 1 1691ms 2593ms 平均 1660ms 2582ms
尽管不可思议，但我现在开始尝试相信这个结果了。读者您呢?要是有疑问或建议，欢迎留言。如有更加高效的Python代码或着C代码，请发私信给我，让我们一起将这场Python和C语言的正面交锋延续下去、延伸开来。
- Copyright © 2025 Powered by Python正面硬刚C语言，结果会怎样？,云智核 滇ICP备2023006006号-28sitemap