这次咱们比较下,python的函数、numpy的函数和OpenCV的函数的效率问题,让大家对功能相同的情况下如何选择合适的函数有比较直观的认识
(1) python的time模块 (2) cv2.getTickCount(),返回时钟数,cv2.getTickFrequency()返回始终频率,相除即可达到运行时间 (3) Ipython的%timeit
代码:
In [1]: import numpy as np
In [2]: x = 10
In [3]: %timeit y=x**2
10000000 loops, best of 3: 49.7 ns per loop
In [4]: %timeit y=x*x
10000000 loops, best of 3: 33.1 ns per loop
In [5]: c = np.array([x])
In [6]: %timeit y=c*c
1000000 loops, best of 3: 711 ns per loop
In [7]: %timeit y=c**2
1000000 loops, best of 3: 727 ns per loop
In [8]:
%timeit是Ipython提供的魔法函数,它可以使测试的语句循环多次执行,从而测出比较准确的运行时间 从上面的结果,我们可以看出:
python对标量的运算是比numpy要快的, numpy的优点在于对多维数组的处理远比python快
代码:
In [13]: import numpy as np
In [14]: import cv2
In [15]: img = cv2.imread('/home/gavinzhou/实验室/ForBlogImage/images/1.png',cv2.IMREAD_GRAYSCALE)
In [16]: img.shape
Out[16]: (397, 550)
In [17]: %timeit z=cv2.countNonZero(img)
100000 loops, best of 3: 14.3 µs per loop
In [18]: %timeit z=np.count_nonzero(img)
1000 loops, best of 3: 366 µs per loop
In [19]:
从上面的结果我们可以看出:
一般情况下 OpenCV 的函数要比 Numpy 函数快。所以对于相同的操作最好使用 OpenCV 的函数
尽量避免使用双层三层循环,它们非常慢的
算法中尽量使用向量操作, 因为 Numpy 和 OpenCV 都对向量操作进行了优化
利用高速缓存一致性
没有必要的话就不要复制数组。使用视图来代替复制, 数组复制是非常浪费资源的