OpenCV之时间测试和性能优化技术

一、时间测试

对比于Ipython中使用的   %time  （后加多行代码） 、  %timeit  （后加单行代码），OpenCV也有自己的时间测试计算函数

• cv2.getTickCount：函数返回一个参考事件（就像机器开启的瞬间）到此函数被调用之间的时钟周期数。所以如果你在一个函数执行之前和之后调用它，你会得到用来执行一个函数的时钟周期数。
• cv2.getTickFrequency：函数返回时钟周期的频率或每秒钟的时钟周期数。所以要以秒数为单位测量执行的时间

python测试代码：

以中值滤波为例

import cv2
import numpy as np

img1 = cv2.imread("C:/Users/NWPU/Desktop/1.jpg")
e1 = cv2.getTickCount()
#中值滤波
for i in range(5, 49, 2):
    img1 = cv2.medianBlur(img1, i)
e2 = cv2.getTickCount()
t = (e2 - e1) / cv2.getTickFrequency()
print(t)

 

二、python和Numpy的性能优化技术

1. 尽可能避免在Python中使用循环，特别是双/三重循环等。它们注定很慢。
2. 尽量矢量化算法/代码，因为Numpy和OpenCV针对矢量操作进行了优化。
3. 利用缓存一致性。
4. 除非必要，否则不要复制数组。尝试使用Numpy视图。数组的复制是一个代价高昂的操作。

在完成所有这些操作之后，如果代码仍然很慢，或者使用循环是不可避免的，那么可以使用像Cython这样的库来加快运行速度。