时间戳

首页 > 解决方案 > 如何加快枕头（python）中的图像加载速度？

python - 如何加快枕头（python）中的图像加载速度？

问题描述

我想用枕头做一些简单的手写图像识别，它是实时的，所以我需要每秒调用我的函数 5-10 次。我正在加载图像，并且只访问 20^2 像素中的 1 个，所以我真的不需要所有图像。我需要减少图像加载时间。

我从未使用过 python 图像库，并会感谢所有建议。

from PIL import Image
import time

start = time.time()

im = Image.open('ir/IMG-1949.JPG')
width, height = im.size
px = im.load()

print("loading: ", time.time() - start)

期望加载时间：<50ms，实际加载时间：~150ms

标签： pythonimagepython-imaging-library

解决方案

更新的答案

自从我写了这个答案以来，John Cupitt（的作者pyvips）已经提出了一些改进和更正以及更公平的代码和时间安排，并在这里分享了它们。请查看他的改进版本，与我的代码并排甚至优先于下面的代码。

原始答案

JPEG 库具有“加载时收缩”功能，可以避免大量 I/O 和解压缩。您可以使用 PIL/Pillow 函数来利用这一点Image.draft()，而不是像这样读取完整的 4032x3024 像素：

from PIL import Image

im = Image.open('image.jpg')
px = im.load()

在我的 Mac 上需要 297 毫秒，您可以执行以下操作并读取 1008x756 像素，即宽度的 1/4 和高度的 1/4：

im = Image.open('image.jpg') 
im.draft('RGB',(1008,756)) 
px = im.load()

这只需要 75 毫秒，即快 4 倍。

只是为了好玩，我尝试比较各种技术，如下所示：

#!/usr/bin/env python3 

import numpy as np 
import pyvips 
import cv2 
from PIL import Image 

def usingPIL(f): 
    im = Image.open(f) 
    return np.asarray(im) 

def usingOpenCV(f): 
    arr = cv2.imread(f,cv2.IMREAD_UNCHANGED) 
    return arr 

def usingVIPS(f): 
    image = pyvips.Image.new_from_file(f, access="sequential") 
    mem_img = image.write_to_memory() 
    imgnp=np.frombuffer(mem_img, dtype=np.uint8).reshape(image.height, image.width, 3)  
    return imgnp 

def usingPILandShrink(f): 
    im = Image.open(f)  
    im.draft('RGB',(1008,756))  
    return np.asarray(im) 

def usingVIPSandShrink(f): 
    image = pyvips.Image.new_from_file(f, access="sequential", shrink=4) 
    mem_img = image.write_to_memory() 
    imgnp=np.frombuffer(mem_img, dtype=np.uint8).reshape(image.height, image.width, 3)  
    return imgnp

并将其加载ipython并像这样进行测试：

%timeit usingPIL('image.jpg')
315 ms ± 8.76 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit usingOpenCV('image.jpg')
102 ms ± 1.5 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit usingVIPS('image.jpg')
69.1 ms ± 31.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit usingPILandShrink('image.jpg')
77.2 ms ± 994 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit usingVIPSandShrink('image.jpg')                                                    
42.9 ms ± 332 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

看起来pyVIPS 显然是这里的赢家！

关键词：Python、PIL、Pillow、图像、图像处理、JPEG、加载收缩、加载收缩、草稿模式、读取性能、加速。

推荐阅读