在Ubuntu下，可以通過以下方法優化Python-OpenCV的性能：

1. 安裝編譯工具： 確保已經安裝了所需的編譯工具和依賴庫。在終端中運行以下命令來安裝它們：

sudo apt-get update
sudo apt-get install build-essential cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-div libdc1394-22-dev

2. 安裝OpenCV： 從OpenCV官方網站下載最新版本的OpenCV和OpenCV-Contrib庫，然后使用CMake進行配置和編譯。以下是一個示例命令：

cd ~
git clone https://github.com/opencv/opencv.git
cd opencv
mkdir build
cd build
cmake -D CMAKE_BUILD_TYPE=RELEASE -D CMAKE_INSTALL_PREFIX=/usr/local -D OPENCV_EXTRA_MODULES_PATH=../../opencv_contrib/modules ..
make -j$(nproc)
sudo make install

3. 使用Python的cv2庫： 確保在Python腳本中使用cv2庫，而不是其他與之相關的庫（如OpenCV-Python）。在腳本開頭添加以下代碼：

import cv2

4. 代碼優化： 優化Python代碼以減少計算量和內存使用。例如，避免在循環中使用cv2.imread()，而是一次性讀取所有圖像；使用局部變量存儲重復計算的值；避免創建不必要的對象等。

5. 使用多線程或多進程： 利用Python的多線程或多進程庫（如threading和multiprocessing）來并行處理任務。這可以顯著提高處理大量圖像或視頻數據的速度。

6. 使用GPU加速： 如果計算機配備了NVIDIA GPU，并且已經安裝了CUDA和cuDNN庫，那么可以嘗試使用OpenCV的GPU模塊來加速圖像和視頻處理任務。這需要編寫適當的代碼來利用GPU資源。

7. 考慮使用其他庫： 如果OpenCV的性能仍然無法滿足需求，可以考慮使用其他專門針對特定任務的庫，如NumPy、SciPy、Pillow等。這些庫在某些情況下可能比OpenCV更高效。