问题描述

我有一个 python 应用程序，它导入 200k+ 图像，裁剪它们，并将裁剪的图像呈现给 pyzbar 以解释条形码。裁剪很有帮助，因为图像上有多个条形码，并且当给定较小的图像时，大概 pyzbar 会更快一些。

目前我正在使用 Pillow 导入和裁剪图像。

平均而言，导入和裁剪图像需要 262 毫秒，而 pyzbar 需要 8 毫秒。

典型的运行时间约为 21 小时。

我想知道除了 Pillow 之外的库是否可以在加载/裁剪方面提供实质性改进。理想情况下，该库应该可用于 MacOS，但我也可以在虚拟 Ubuntu 机器上运行整个东西。

我正在开发一个可以在并行进程中运行的版本，这将是一个很大的改进，但如果我可以从不同的库中获得 25% 或更多的速度提升，我也会添加它。

标签： pythonimage-processingjpeg

由于您没有提供示例图像，我制作了一个尺寸为 2544x4200、大小为 1.1MB 的虚拟文件，并在答案末尾提供。我制作了 1,000 张该图像的副本，并为每个基准测试处理了所有 1,000 张图像。

因为你只在评论区给出了你的代码，所以我接受了它，格式化它并尽我所能。我还把它放在一个循环中，这样它就可以处理许多文件，只调用一次 Python 解释器——当你有 20,000 个文件时，这变得很重要。

看起来像这样：

#!/usr/bin/env python3

import sys
from PIL import Image

# Process all input files so we only incur Python startup overhead once
for filename in sys.argv[1:]:
   print(f'Processing: {filename}')
   imgc = Image.open(filename).crop((0, 150, 270, 1050))

我的怀疑是我可以使用以下方法更快地做到这一点：

GNU 并行，和/或
pyvips

这是pyvips您的代码的一个版本：

#!/usr/bin/env python3

import sys
import pyvips
import numpy as np

# Process all input files so we only incur Python startup overhead once
for filename in sys.argv[1:]:
   print(f'Processing: {filename}')

   img = pyvips.Image.new_from_file(filename, access='sequential')
   roi = img.crop(0, 150, 270, 900)
   mem_img = roi.write_to_memory()

   # Make a numpy array from that buffer object
   nparr = np.ndarray(buffer=mem_img, dtype=np.uint8,
                   shape=[roi.height, roi.width, roi.bands])

结果如下：

顺序原码

./orig.py bc*jpg
224 seconds, i.e. 224 ms per image, same as you

并行原码

parallel ./orig.py ::: bc*jpg
55 seconds

并行原始代码，但传递尽可能多的文件名

parallel -X ./orig.py ::: bc*jpg
42 seconds

顺序pyvips

./vipsversion bc*
30 seconds, i.e. 7x as fast as PIL which was 224 seconds

并行pyvips

parallel ./vipsversion ::: bc*
32 seconds

并行 pyvips，但传递尽可能多的文件名

parallel -X ./vipsversion ::: bc*
5.2 seconds, i.e. this is the way to go :-)

请注意，您可以使用homebrew在 macOS 上安装GNU Parallel：

brew install parallel

python - 在 python lib 中导入和裁剪 jpeg 的快速方法