Python-OpenCV(5)

这次博客咱们比较下，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

---

程序(语句)运行时间的测量

(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

实验1

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

实验2

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

关于效率优化的一点建议

1. 尽量避免使用双层三层循环,它们非常慢的
2. 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
3. 利用高速缓存一致性
4. 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