前言

opencv-python教程学习系列记录学习python-opencv过程的点滴，本文主要介绍程序性能检测及优化，坚持学习，共同进步。

系列教程参照OpenCV-Python中文教程；

系统环境

系统：win7_x64;

python版本：python3.5.2；

opencv版本：opencv3.3.1；

内容安排

1.知识点介绍；

2.测试代码；

具体内容

1.知识点介绍；

本文使用到的库有cv2/numpy/time/profile，涉及函数有cv2.getTickCount，cv2.getTickFrequency；

1.1 使用opencv检测程序效率；

cv2.getTickCount函数返回从参考点到这个函数被执行的时钟数。在一个函数执行前后都调用它，可以得到这个函数的执行时间。
cv2.getTickFrequency返回时钟频率，或者说每秒钟的时钟数；python中time模块也可以实现，调用的函数是time.time()；

e1 = cv2.getTickCount()

#do something

e2 = cv2.getTickCount()

time = (e2-e1)/cv2.getTickFrequency()

1.2 OpenCV中的默认优化；
cv2.useOptimized()来查看优化是否被开启，cv2.setUesOptimized()来开启优化。

cv2.setUseOptimized(False)

cv2.useOptimized()

1.3 在IPython中检测程序效率，比较两个相似操作的效率时，你可以使用 IPython 为你提供的法命令%time。

1)如何运行ipython；

打开cmd -> 输入ipython -> 输入程序

2)使用ipython测试程序效率(time/timeit)；

注意：Python的标算比 Numpy 的标算快。对于仅包含一两个元素的操作Python标算比 Numpy 的数组快，但是当数组稍微大一点时Numpy就会胜出了。

1.4 效率优化技术

有些技术和编程方法可以较大的发挥Python和Numpy的威力。可以先用简单的方式实现算法得到结果，当结果正确后再使用上面的方法进行优化。

1)尽免使用循环尤其双层三层循环它们天生就是常慢的。

2)算法中尽使用向操作因为 Numpy 和 OpenCV 对向操作 了优化。

3)利用缓存一致性。

4)没有必要的就不复制数组，使用图来代替复制，数组复制是常常浪费资源的。
优化后如果还是很慢， 应尝使用其他的包，比如Cython来加载程序。

2.测试代码；

import cv2

import numpy as np

img1 = cv2.imread('test.jpg')

e1 = cv2.getTickCount()

for i in range(5,49,2):

    img1 = cv2.medianBlur(img1,i)

e2 = cv2.getTickCount()

time = (e2-e1)/cv2.getTickFrequency()

print(time)

参考

1.程序性能测试及优化；

2. ipython学习笔记；

完