比较opencv，pillow,matplotlib,skimage读取图像的速度比

上面这些库都被广泛用于图像处理和计算机视觉任务；

不同的图像读取库（OpenCV，Pillow，matplotlib和skimage）的读取速度，是怎么样的一个情况？

下面分别从读取速度，以及转换到RGB通道的numpy格式两方面进行比较，

Python代码如下：

# 导入OpenCV库，用于处理图像  
import cv2  
  
# 从PIL库导入Image模块，用于处理图像  
from PIL import Image  
  
# 导入time库，用于计算和记录时间  
import time  
  
# 导入matplotlib.image模块，用于读取图像  
import matplotlib.image as mpimg # mpimg 用于读取图片  
  
# 导入numpy模块，用于对图像进行操作和处理  
import numpy as np  
  
# 从skimage库导入io模块，用于读取图像  
from skimage import io  
  
# 定义一个函数，名为opencv_i，用于测试OpenCV读取图像的速度  
def opencv_i():  
    # 记录开始时间  
    st = time.time()  
      
    # 使用OpenCV的imread函数读取图像，'./images.jpg'是图像文件的路径  
    img = cv2.imread("./images.jpg")  
      
    # 打印从开始到读取图像完成所需的时间  
    print(f"cv2 read take time {time.time() - st} s")  
      
    # 将读取的图像从BGR格式转换为RGB格式，BGR是OpenCV默认的色彩空间  
    img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)  
      
    # 记录结束时间  
    end = time.time()  
      
    # 打印从开始到图像转换为RGB格式所需的总时间  
    print(f"opencv2 total take time {end - st} s,to rgb numpy format")  
  
# 定义一个函数，名为pillow_i，用于测试Pillow读取图像的速度  
def pillow_i():  
    # 记录开始时间  
    st = time.time()  
      
    # 使用Pillow的Image模块的open函数读取图像，'./images.jpg'是图像文件的路径  
    im = Image.open("./images.jpg")  
      
    # 打印从开始到读取图像完成所需的时间  
    print(f"pillow read take time {time.time() - st} s")  
      
    # 将Pillow的Image对象转换为numpy数组，以便后续进行数值操作  
    output = np.array(im)  
      
    # 记录结束时间  
    end = time.time()  
      
    # 打印从开始到转换为numpy数组所需的总时间，以及转换为RGB格式（numpy数组）的说明  
    print(f"pillow rgb numpy，total take time {end - st} s,to rgb numpy format")  
  
# 定义一个函数，名为matplot_i，用于测试matplotlib读取图像的速度  
def matplot_i():  
    # 记录开始时间  
    st = time.time()  
      
    # 使用matplotlib的imread函数读取图像，'./images.jpg'是图像文件的路径  
    lena = mpimg.imread('./images.jpg')   
      
    # 记录结束时间  
    end = time.time()  
      
    # 打印从开始到读取图像完成所需的时间，以及转换为RGB格式（numpy数组）的说明  
    print(f"matplot read take time {end - st} s,to rgb numpy format")  
  
# 定义一个函数，名为skimage_i，用于测试skimage读取图像的速度  
def skimage_i():  
    # 记录开始时间  
    st = time.time()  
      
    # 使用skimage的io模块的imread函数读取图像，'./images.jpg'是图像文件的路径  
    img = io.imread('images.jpg')  
      
    # 记录结束时间  
    end = time.time()  
      
    # 打印从开始到读取图像完成所需的时间，以及转换为RGB格式（numpy数组）的说明  
    print(f"skimage read take time {end - st} s,to rgb numpy format")  
  
# 打印30个破折号，用于分隔测试结果  
print("-"*30)  
# 调用opencv_i函数，测试OpenCV读取图像的速度并输出结果  
opencv_i()  
# 打印30个破折号，用于分隔测试结果  
print("-"*30)  
# 调用pillow_i函数，测试Pillow读取图像的速度并输出结果  
pillow_i()  
# 打印30个破折号，用于分隔测试结果  
print("-"*30)  
# 调用matplot_i函数，测试matplotlib读取图像的速度并输出结果  
matplot_i()  
# 打印30

运行结果如下：

从结果可以看到速度方面，opencv 最快，matplotlib 与 skimage库略微慢一点， pillow库相差的更多一点；

由于每个人的运行环境，图像大小，数量等因素的差异，本结果仅仅作为一个小小的参考；

个人水平有限，有问题随时联系；

欢迎一键三连~

彩蛋

更多干货内容请关注公众号SLearningAI：以AI算法与工程技术为核心的创作输出；
欢迎CSDN与公众号同步交流~

欢迎CSDN与公众号同步交流~