无语,总有一些人脑壳有包!

def load_image_into_numpy_array(path):
    img_data=tf.io.gfile.GFile(path,'rb').read()
    image=Image.open(BytesIO(img_data))
    
    # print(image.shape)
    (im_width,im_height)=image.size
    return np.array(image.getdata()).reshape((im_height,im_width,3)).astype(np.uint8)

有个国外tensorflow的文档介绍 object detective 时使用了上面的自定义函数,最初没有在意,以为是特殊的转换要求之类的。

比较tensorflow 看起来很多花花肠子的样子!

后来觉得object detective 性能太低了,于是从性能分析的角度找原因,重新仔细的看了一下代码,这不就是把图片读成numpy 吗?

为啥要写成上面这个样子?使用cv2 哪里不香了?

然后改成了下面这个

 

def load_image_into_numpy_array(path):
    image=cv2.imread(path)
    image2 = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
    return image2

 

上面的代码由于RGB和BGR 的问题,进行了转换

 

效果一模一样,性能提升100倍!

18.8088018  0.17322889999999802

 

简直让人无语了!

 

注意cv2 和plt 显示图片的通道是不一样的。

一个是RGB,另外一个BGR

有些人使用了下面的代码来处理:

img = cv2.imread('xxx.jpg')  
b,g,r = cv2.split(img)  
img2 = cv2.merge([r,g,b])  

 

我就想问问: 明明cv2 中有cvtColor 啊

 

cv2.cvtColor(image, cv2.COLOR_RGB2BGR)

 

这些写代码的人群是咋了???

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值