opencv for python （7） 计算中值滤波函数程序的运行时间，及简要解释中值滤波函数

cv2.getTickCount（）函数返回从参考点到这个函数被执行的时钟数。所以当你在一个函数执行前后都调用它的话，你就会的到这个函数的执行时间（时钟数）。
cv2.getTickFrequency（）返回时钟频率，或者说每秒的时钟数。
img1 = cv2.medianBlur(img1,i)中值滤波，第一个参数是待处理图像，第二个参数是孔径的尺寸，一个大于1的奇数。比如这里是5，中值滤波器就会使用5×5的范围来计算。即对像素的中心值及其5×5邻域组成了一个数值集，对其进行处理计算，当前像素被其中值替换掉。
中值滤波是对一个滑动窗口内的像素灰度值排序，用其中值代替窗口中心的像素的原来灰度值，它是一种非线性的图像平滑法，他对脉冲干扰级椒盐噪声的抑制效果很好，在一直随机噪声的同时能有效保护边缘少受模糊。

本文中的循环只是为了计算时间，没有实际意义。

import cv2  
import numpy as np   

img1 = cv2.imread('img_wlk.jpg')
e1 = cv2.getTickCount()
for  i in xrange(5,49,2):   
    img1 = cv2.medianBlur(img1,i)
e2 = cv2.getTickCount()
t = (e2-e1)/cv2.getTickFrequency()
print t   
cv2.imshow('hhh',img1)
cv2.waitKey(0)
cv2.destroyAllWindows()

下边的程序是用来比较python中的优化开启与否，程序运行所需时间的差别，实验证明优化与否，对于程序的运行时间有很大差别

import cv2  
import numpy as np   

cv2.setUseOptimized(False)
#cv2.setUseOptimized(True)
img1 = cv2.imread('img_wlk.jpg')
e1 = cv2.getTickCount()
for  i in xrange(5,49,2):
    img1 = cv2.medianBlur(img1,i)
e2 = cv2.getTickCount()
t = (e2-e1)/cv2.getTickFrequency()
print t   
#cv2.imshow('hhh',img1)
#cv2.waitKey(0)
#cv2.destroyAllWindows()
a = cv2.useOptimized()
print a