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