十五天掌握OpenCV——程序性能 检测 优化

Aim:图像处理是大运算量的，需要保证速度。

1. 检测程序效率;
2. 设法提高效率;
3. cv2.getTickCount() , cv2.getTickFrequency().
   模块time：测量程序运行时间。模块profile：获取关于程序的详细报告，包含代码中各函数运行所需时间，每个函数被调用次数。

用opencv检测程序效率

1. cv2.getTickCount() ——解释：返回从参考点到函数被执行的时钟数。
2. cv2.getTickFrequency() ——解释：返回时钟频率。

代码演示

# coding=utf-8

import cv2
import  numpy as np

img1=cv2.imread('1.jpg')
e1=cv2.getTickCount()
for i in range(5,49,2) :   #遍历像素取值范围
	img1=cv2.medianBlur(img1,i)
e2=cv2.getTickCount()
t=(e2-e1)/cv2.getTickFrequency()
print(t)

opencv中默认优化

1. cv2.useOptimized() ——解释：查看代码是否被优化。
2. cv2.setUseOptimized() ——解释：开启优化代码。

代码演示

# coding=utf-8

import cv2
import numpy as np

print(cv2.useOptimized())
%timeit res = cv2.medianBlur(img,50)
Wrong = cv2.setUseOptimized(False)
print (Wrong)

检测程序效率——Ipython中

1. %timeit 被测的代码 ——解释：多次检测运算时间，求平均值。
2. 避免使用循环，尤其双层三层循环。
3. 算法中尽量使用向量操作。numpy和opencv都对向量操作进行了优化。
4. 利用高速缓存一致性。
5. 避免复制数组，用视图代替。