磁盘图片到numpy的两种方法：一次意外的优化

概述

在优化代码时意外将图片读取的效率提升了60倍。

主要就是在python下把磁盘图片变为numpy数组。

低效方法：PIL和numpy组合

import numpy as np
from PIL import Image

def load_image_into_numpy_array(image):
    (im_width, im_height) = image.size
    return np.array(image.getdata()).reshape((im_height, im_width, 3)).astype(np.uint8)

image = Image.open( image_abs_path )
image_np = image_handle.load_image_into_numpy_array( image )

在服务器CPU上，800X600的图片读取约600+ms。模型推理一次才100ms,被IO拖了后腿。

高效方法：opencv

import cv2

image_np = cv2.imread( image_abs_path )

opencv读取图片出来就是numpy,效率非常高。cpu上读取800x600的图片不到10ms,效率提升了60+倍。

原因分析

因为平常用PIL很小，所以没有深究。看到资料说numpy实际上有对速度进行优化的。我推测应该是老的方法里面有多次copy操作，导致效率低效。copy的地方可能在reshape和astype。如果这两个地方都有copy，效率很难提高。

参考资料：为什么用 Numpy 还是慢, 你用对了吗?