OpenCV官方教程中文版 —— 程序性能检测及优化
前言
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
• 你要学到的函数有: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。如果你正在使用 IPython 的话,所有这些特点都被以一种用户友好的方式整合在一起了。我们会学习几个重要的,要想学到更加详细的知识就打
开更多资源中的链接吧。
一、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:
# -*- coding: utf-8 -*-
import cv2
e1 = cv2.getTickCount()
# your code execution
e2 = cv2.getTickCount()
time = (e2 - e1) / cv2.getTickFrequency()
print(time)
我们将会用下面的例子演示。下面的例子是用窗口大小不同(5,7,9)的核函数来做中值滤波:
# -*- coding: utf-8 -*-
import cv2
img1 = cv2.imread('ball.png') # 任意选择一张图片
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)
# Result I got is 0.521107655 seconds
注意:你也可以中 time 模块实现上面的功能。但是要用的函数是time.time() 而不是 cv2.getTickCount。比较一下这两个结果的差别吧。
二、 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。让我们来看一个简单的例子吧
# -*- coding: utf-8 -*-
import cv2
img = cv2.imread('ball.png') # 任意选择一张图片
# check if optimization is enabled
print("加速是否开启:", cv2.useOptimized())
e1 = cv2.getTickCount()
for i in range(5, 19, 2):
img1 = cv2.medianBlur(img, i)
e2 = cv2.getTickCount()
t = (e2 - e1)/cv2.getTickFrequency()
print(t)
cv2.setUseOptimized(False)
print("加速是否开启:", cv2.useOptimized())
e1 = cv2.getTickCount()
for i in range(5, 19, 2):
img1 = cv2.medianBlur(img, i)
e2 = cv2.getTickCount()
t = (e2 - e1)/cv2.getTickFrequency()
print(t)