### 使用 `enumerate` 函数遍历摄像头索引 在 Python 中，`enumerate` 是一个内置函数，用于将可迭代对象（如列表、元组等）组合成索引和对应的值。对于摄像头索引的遍历，可以利用 `enumerate` 来获取每个摄像头的索引及其对应的信息。 以下是使用 `enumerate` 遍历摄像头索引的一个示例： ```python import cv2 # 获取可用摄像头的数量 camera_indices = range(5) # 假设有 5 个可能的摄像头索引 for index, _ in enumerate(camera_indices): cap = cv2.VideoCapture(index) if cap.isOpened(): print(f"Camera {index} is available.") ret, frame = cap.read() if ret: print(f"Successfully captured a frame from Camera {index}.") cap.release() else: print(f"Camera {index} is not accessible.") ``` 上述代码通过 `enumerate` 遍历了一个假设的摄像头索引范围，并尝试打开每个摄像头设备来检测其可用性[^3]。 #### 关于性能评估的相关说明 如果需要对摄像头处理过程中的效率进行评估，类似于引用中提到的方法，可以通过记录时间差的方式来衡量每帧图像捕获的时间消耗。例如： ```python import time start_time = time.time() # 摄像头操作逻辑 cap = cv2.VideoCapture(0) if cap.isOpened(): ret, frame = cap.read() if ret: end_time = time.time() elapsed_time = end_time - start_time print(f"Time taken to capture frame: {elapsed_time:.4f} seconds") cap.release() ``` 此方法可用于计算单次操作所需的时间，并进一步扩展到多帧或多摄像头场景下的整体性能分析[^4]。 #### 结合 Jaccard Index 的应用场景 虽然当前问题是关于摄像头索引的遍历，但如果涉及到图像分割任务，则可以引入 Jaccard Index (JI) 进行模型精度评价。具体实现如下所示： ```python def jaccard_index(predicted_mask, ground_truth_mask): intersection = (predicted_mask & ground_truth_mask).sum() union = (predicted_mask | ground_truth_mask).sum() return intersection / union if union != 0 else 0 # 示例调用 pred_mask = ... # 模型预测掩码 true_mask = ... # 实际标签掩码 ji_score = jaccard_index(pred_mask, true_mask) print(f"Jaccard Index score: {ji_score}") ``` 这里展示了如何基于布尔运算符计算两个二值化掩码之间的交并比[^2]。 ---