opencv，python程序性能检测以及优化函数

  在图像处理中你每秒钟都要做大量的运算，所以你的程序不仅要能给出正确的结果，同时还必须要快。所以这节我们将要学习：
检测程序的效率、一些能够提高程序效率的技巧、要学习的函数有： cv2.getTickCount,cv2.getTickFrequency等；
  除了 OpenCV， Python 也提供了一个叫 time 的的模块，你可以用它来测量程序的运行时间。另外一个叫做 profile 的模块会帮你得到一份关于你的程序的详细报告，其中包含了代码中每个函数运行需要的时间，以及每个函数被调用的次数。

1、使用 OpenCV 检测程序效率

  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，你就会得到这个函数的执行时间（时钟数）;cv2.getTickFrequency 返回时钟频率，或者说每秒钟的时钟数。所以你可以按照下面的方式得到一个函数运行了多少秒：
  用窗口大小不同（5， 7， 9）的核函数来做中值滤波

import cv2
import numpy as np 

img1 = cv2.imread('image/lufei.jpeg')
e1 = cv2.getTickCount()
for i in xrange(5,49,2):
    img1 = cv2.medianBlur(img1, i)
e2 = cv2.getTickCount()
time = (e2 - e1)/cv2.getTickFrequency()
print time
#Result I got is 1.32307660234 seconds

2、OpenCV 中的默认优化

  OpenCV 中的很多函数都被优化过（使用 SSE2， AVX 等）。也包含一些没有被优化的代码。如果我们的系统支持优化的话要尽量利用只一点。在编译时优化是被默认开启的。因此 OpenCV 运行的就是优化后的代码，如果你把优化关闭的话就只能执行低效的代码了。你可以使用函数 cv2.useOptimized()来查看优化是否被开启了；
使用函数cv2.setUseOptimized() 来开启优化；
cv2.countNonZero()和np.count_nonzero();
注：1.尽量避免使用循环，尤其双层三层循环，它们天生就是非常慢的。
  2. 算法中尽量使用向量操作，因为 Numpy 和 OpenCV 都对向量操作进行了优化。
  3. 利用高速缓存一致性。
  4. 没有必要的话就不要复制数组。使用视图来代替复制。数组复制是非常浪费资源的