【OpenCV-Python】教程：2-3 性能测量与提升

OpenCV 性能测量与提升

【目标】

• 代码耗时测试
• 一些提升代码性能的技巧
• cv2.getTickCount, cv2.getTickFrequency等等

【代码】

import cv2 

"""
读入图片并执行中值滤波N次，测试耗时
"""

# 读入图片
img1 = cv2.imread('messi5.jpg')

# 在需要测试函数或者代码片段的前后加上 cv2.getTickCount()
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 )

0.336590686 s

cv2.getTickCount() 返回的是时钟周期数，在函数前后调用它可以 通过 (e2 - e1) 获得消耗的时钟周期数。
cv2.getTickFrequency() 时钟周期的频率（或者说每秒时钟周期数），所以最后的单位是 秒 。 如果转换成毫秒，就乘以 1000 。

调用 Python 的 time 模块

import cv2 
import time 

"""
读入图片并执行中值滤波N次，测试耗时
"""

# 读入图片
img1 = cv2.imread('messi5.jpg')

# 在需要测试函数或者代码片段的前后加上 cv2.getTickCount()
# e1 = cv2.getTickCount()
e1 = time.time()
for i in range(5,49,2):
    img1 = cv2.medianBlur(img1,i)
# e2 = cv2.getTickCount()
e2 = time.time()

# t = (e2 - e1)/cv2.getTickFrequency()
# print( t )
print(e2 - e1)

0.33676838874816895 s

不同的地方是 time 的精度更高

【接口】

// 返回时钟刻度
int64 cv::getTickCount();

// 返回时钟频率（每秒）
double cv::getTickFrequency	();

# // 返回时钟刻度
cv2.getTickCount() -> retval

# // 返回时钟频率（每秒）
cv2.getTickFrequency() -> retval

【扩展】

可以用 cv2.useOptimized() 检查是否开启了优化，如果为 False， 则通过 cv2.setUseOptimized(True) 设置，默认是开启的。

%timeit 可以测试单行代码的效率

x = 5

%timeit y=x**2
# 213 ns ± 4.16 ns per loop (mean ± std. dev. of 7 runs, 1,000,000 loops each)

%timeit y=x^2
# 48.6 ns ± 1.45 ns per loop (mean ± std. dev. of 7 runs, 10,000,000 loops each)

%timeit y=x*x
# 40.1 ns ± 1.59 ns per loop (mean ± std. dev. of 7 runs, 10,000,000 loops each)

NOTE: Python的标量运算比 NumPy 要快，NumPy 适合对那些大型的数组的运算，优势更明显。
OpenCV的速度比NumPy要快，一般情况下，首选OpenCV的函数。

// 输出CMake output 的编译信息
const String& cv::getBuildInformation	();

// 返回编译期间启用的CPU功能列表
std::string cv::getCPUFeaturesLine();

// 返回 CPU 时钟刻度数
int64 cv::getCPUTickCount();

// 根据CPU功能序号返回名称
String cv::getHardwareFeatureName(int feature)	

// 返回CPU核心数
int cv::getNumberOfCPUs();

// 返回CPU线程数
int cv::getNumThreads();	

// 在并行时，返回线程索引
int cv::getThreadNum();	

// 返回 主版本号
int cv::getVersionMajor	();	

// 返回 次版本号
int cv::getVersionMinor	();	

// 返回 修正号
int cv::getVersionRevision();

// 返回版本号字符串
String cv::getVersionString	();

# // 输出CMake output 的编译信息
cv2.getBuildInformation() ->	retval

# // 返回编译期间启用的CPU功能列表
cv2.getCPUFeaturesLine() ->	retval
# SSE SSE2 SSE3 *SSE4.1 *SSE4.2 *FP16 *AVX *AVX2 *AVX512-SKX?

# // 返回 CPU 时钟刻度数
cv2.getCPUTickCount() ->	retval
# 11422541228929925

# // 根据CPU功能序号返回名称
cv2.getHardwareFeatureName(	feature	) ->	retval

# // 返回CPU核心数
cv2.getNumberOfCPUs() ->	retval
# 12

# // 返回CPU线程数
cv2.getNumThreads() ->	retval
# 12

# // 在并行时，返回线程索引
cv2.getThreadNum() ->	retval
# -1564290240

# // 返回 主版本号
cv2.getVersionMajor() ->	retval
# 4

# // 返回 次版本号
cv2.getVersionMinor() ->	retval
# 6

# // 返回 修正号
cv2.getVersionRevision() ->	retval
# 0

# // 返回版本号字符串
cv2.getVersionString() ->	retval
# 4.6.0

关于优化

1. 避免在 Python 中使用循环，尤其是多重循环，非常耗时；
2. 尽量将算法和代码向量化，因为 NumPy 和 OpenCV 对向量运算进行了大量的优化；
3. 利用缓存一致性；
4. 不要将 array 拷贝除非有必要，尽量使用 views, array 的拷贝非常耗时；
   如果代码还是比较耗时，那么可以利用 Cython 使其更快。

Python代码优化
Timing and Profiling in IPython

【参考】

1. OpenCV 官网