关于opencv中resize时间性能的一种说法

用github中的开源代码时,发现报了这样一段话:

OpenCV is built with OpenMP support. This usually results in poor performance. For details, see https://github.com/tensorpack/benchmarks/blob/master/ImageNet/benchmark-opencv-resize.py

以前从没听说过,于是进去看了看,发现是一个python下各安装版本opencv的测试。测试者在其中给出了自己的测试环境和测试结果。测试者根据自己的测试结果,得出了几个结论:

On E5-2680v3, archlinux, this script prints:
0.61s for system opencv 3.4.0-2.
>5 s for anaconda opencv 3.3.1 py36h6cbbc71_1.
On E5-2650v4, this script prints:
0.6s for opencv built locally with -DWITH_OPENMP=OFF
0.6s for opencv from pip install opencv-python.
1.3s for opencv built locally with -DWITH_OPENMP=ON
2s for opencv from conda install.

也就是说,测试者认为,使用pip安装的opencv要比conda装的快很多,编译时不用OpenMP的OpenCV要比用了的快很多。原因我也不懂,由于这个时间点我也没设备可以测试是否真是这样,所以暂且记在这里,如果以后确实有这个时间性能的需求再测试。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCVresize函数用于调整图像的大小。根据引用\[1\]和引用\[2\]的内容,resize函数的使用方法如下: ```python img = cv.resize(src, dsize, fx, fy, interpolation) ``` 其,src是源图像,dsize是目标图像的大小,fx和fy是水平和垂直方向的缩放因子,interpolation是插值方法。 关于问题的具体内容,我将分别回答: 1. 在OpenCV官方文档resize函数的返回值确实是None。然而,在实际使用resize函数会直接修改源图像,并不会返回新的图像。这可能是为了节省内存空间和提高性能而设计的。 2. resize函数的参数src、dsize、fx、fy和interpolation都是可选的。如果只指定了fx和fy,而没有指定dsize,则目标图像的大小会根据源图像的大小和缩放因子自动计算得出。 3. 关于插值方式的细节、使用场景以及选择插值方式的原因,可以根据具体的需求和图像特点来选择。常用的插值方式有线性插值(INTER_LINEAR)、最近邻插值(INTER_NEAREST)、双线性插值(INTER_CUBIC)等。线性插值适用于大多数情况,可以保持空间对称性,而最近邻插值适用于像素值变化较大的情况,可以保持图像的锐利度。双线性插值适用于图像放大的情况,可以平滑图像并保持细节。选择插值方式的原因主要是根据图像的特点和需求来决定,以达到最佳的效果。 综上所述,OpenCVresize函数可以用于调整图像的大小,具体的参数和插值方式可以根据需求来选择。 #### 引用[.reference_title] - *1* [图片如何resize及使用opencv实现图片resize](https://blog.csdn.net/weixin_45277161/article/details/129792394)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [opencvresize函数](https://blog.csdn.net/weixin_44351891/article/details/117755576)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“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