OpenCV篇3---性能测量与改进技术

学习目标：

在图像处理中，由于您每秒处理大量操作，所以您的代码不仅要提供正确的解决方案，还要以最快的方式进行处理。 

1、衡量你的代码的性能；

2、提高代码性能的一些技巧；

3、学习函数：cv2.getTickCount，cv2.getTickFrequency等。

除了OpenCV，Python还提供了一个有助于测量执行时间的模块时间。 另一个模块配置文件有助于获得有关代码的详细报告，例如代码中每个函数占用了多少时间，函数被调用了多少次等等。但是，如果您使用的是IPython，则所有这些功能都集成在一个用户友好 方式。 我们会看到一些重要的内容，有关更多详细信息，请查看附加资源部分中的链接。

1、用OpenCV测量性能

①、cv2.getTickCount函数---返回参考事件（如瞬间机器打开）到调用此函数之后的时钟周期数。 所以如果你在函数执行前后调用它，你会得到用于执行函数的时钟周期数。

②、cv2.getTickFrequency函数---返回时钟周期的频率或每秒钟的时钟周期数。 因此，要在几秒钟内找到执行时间，您可以执行以下操作：

Example1(cv2.getTickCount函数的使用)：

e1 = cv2.getTickCount()
# 代码执行
e2 = cv2.getTickCount()
time = (e2 - e1)/ cv2.getTickFrequency()

我们将用下面的例子来演示。 以下示例应用中值滤波，奇数大小的内核范围为5至49.

#coding:utf8
import cv2
import numpy as np
from matplotlib import pyplot as plt

img1 = cv2.imread('F:/picture.jpg')

e1 = cv2.getTickCount()
for i in range(5, 49, 2):
    img1 = cv2.medianBlur(img1, i)
e2 = cv2.getTickCount()
t = (e2 - e1)/cv2.getTickFrequency()
print (t)

输出：

0.29563351721527875

注意：也可以用时间模块做同样的事情。 使用time.time（）函数而不是cv2.getTickCount。 然后取两次的差别。如下：

#coding:utf8
import cv2
import time

img1 = cv2.imread('F:/picture.jpg')

e1 = time.time()
for i in range(5, 49, 2):
    img1 = cv2.medianBlur(img1, i)
e2 = time.time()
t = (e2 - e1)
print (t)

输出：

0.2426450252532959

2、OpenCV中的默认优化

许多OpenCV功能都使用SSE2，AVX等进行优化。它还包含未优化的代码。 所以如果我们的系统支持这些功能，我们应该利用它们（几乎所有的现代处理器都支持它们）。 编译时默认启用。 因此，OpenCV在启用时运行优化的代码，否则它会运行未优化的代码。 您可以使用cv2.useOptimized（）检查是否启用/禁用，并使用cv2.setUseOptimized（）启用/禁用它。 我们来看一个简单的例子。

①、使用优化：

#coding:utf8
import cv2
import time
cv2.setUseOptimized(True)
img1 = cv2.imread('F:/picture.jpg')
e1 = time.time()
for i in range(5, 49, 2):
    img1 = cv2.medianBlur(img1, i)
e2 = time.time()
t = (e2 - e1)
print (t)

输出：

0.24064350128173828

②、禁止优化

#coding:utf8
import cv2
import time
cv2.setUseOptimized(False)
img1 = cv2.imread('F:/picture.jpg')
e1 = time.time()
for i in range(5, 49, 2):
    img1 = cv2.medianBlur(img1, i)
e2 = time.time()
t = (e2 - e1)
print (t)

输出：

0.24367284774780273

注意：优化相比于未优化之间提速：0.003029346466064453