魏老师学生——Cecil:学习OpenCV-机器视觉之旅
Aim:图像处理是大运算量的,需要保证速度。
- 检测程序效率;
- 设法提高效率;
- 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
- cv2.getTickCount() ——解释:返回从参考点到函数被执行的时钟数。
- 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
- cv2.useOptimized() ——解释:查看代码是否被优化。
- 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
- %timeit 被测的代码 ——解释:多次检测运算时间,求平均值。
- 避免使用循环,尤其双层三层循环。
- 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。
- 利用高速缓存一致性。
- 避免复制数组,用视图代替。