如何在枕头(python)中加速图像加载？
如何在枕头(python)中加速图像加载？
提问于 2019-08-26 19:20:27
我想使用枕头一些简单的手写图像识别，它将是实时的，所以我需要调用我的功能5-10次每秒。我加载图像，只访问1/ 20^2像素，所以我真的不需要所有的图像。我需要减少图像加载时间。
我从未使用过python映像库，希望得到所有建议。
from PIL import Image
import time
start = time.time()
im = Image.open('ir/IMG-1949.JPG')
width, height = im.size
px = im.load()
print("loading: ", time.time() - start)期望加载时间：<50，实际加载时间：~150
回答 1
Stack Overflow用户
回答已采纳
发布于 2019-08-29 21:22:46
最新答案
自从我写了这个答案后，John (“pyvips”的作者)提出了一些改进和修正，以及更公平的代码和时间安排，并有了友好的在这里分享。请看他的改进版本，同时，甚至优先于我下面的代码。
原始答案
JPEG库具有“在加载中收缩”的特性，可以避免大量的I/O和解压缩。您可以在使用Image.draft()函数的PIL/Pillow中利用这一点，因此，您不必像下面这样读取完整的4032x3024像素：
from PIL import Image
im = Image.open('image.jpg')
px = im.load() 在我的Mac上需要297 my，您可以执行以下操作并读取1008x756像素，即宽度的1/4和高度的1/4：
im = Image.open('image.jpg')
im.draft('RGB',(1008,756))
px = im.load()这只需要75毫秒，也就是快了4倍。
只是为了刺激，我试着比较各种技术，如下所示：
#!/usr/bin/env python3
import numpy as np
import pyvips
import cv2
from PIL import Image
def usingPIL(f):
im = Image.open(f)
return np.asarray(im)
def usingOpenCV(f):
arr = cv2.imread(f,cv2.IMREAD_UNCHANGED)
return arr
def usingVIPS(f):
image = pyvips.Image.new_from_file(f, access="sequential")
mem_img = image.write_to_memory()
imgnp=np.frombuffer(mem_img, dtype=np.uint8).reshape(image.height, image.width, 3)
return imgnp
def usingPILandShrink(f):
im = Image.open(f)
im.draft('RGB',(1008,756))
return np.asarray(im)
def usingVIPSandShrink(f):
image = pyvips.Image.new_from_file(f, access="sequential", shrink=4)
mem_img = image.write_to_memory()
imgnp=np.frombuffer(mem_img, dtype=np.uint8).reshape(image.height, image.width, 3)
return imgnp 并将其加载到ipython中并进行了如下测试：
%timeit usingPIL('image.jpg')
315 ms ± 8.76 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
%timeit usingOpenCV('image.jpg')
102 ms ± 1.5 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
%timeit usingVIPS('image.jpg')
69.1 ms ± 31.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)
%timeit usingPILandShrink('image.jpg')
77.2 ms ± 994 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)
%timeit usingVIPSandShrink('image.jpg')
42.9 ms ± 332 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)pyVIPS似乎是这里的赢家！
关键词：Python，PIL，枕头，图像，图像处理，，压缩加载，压缩加载，草稿模式，读取性能，加速.
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/57663734
复制相关文章
相似问题
腾讯云开发者
