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