深度学习CV和PIL预处理图片，速度对比

最新推荐文章于 2023-08-09 14:28:14 发布

原创最新推荐文章于 2023-08-09 14:28:14 发布 · 1.5k 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#cv #PIL

基础技术专栏收录该内容

39 篇文章

订阅专栏

深度学习训练模型时，常使用OpenCV或PIL对图片进行预处理。本文着重比较二者在基本图像处理任务上的耗时问题，结果显示OpenCV速度更快，在图片预处理上有绝对优势，大约能提速40%，且有利于工程部署。

1. 背景介绍

深度学习中训练模型时，通常会对图片进行预处理。工程工程师们经常使用OpenCV或者PIL图像处理库对图片进行预处理，个人推荐使用OpenCV，有利于工程部署，性能也更好。

本文着重比较二者在基本图像处理任务上，耗时问题分析。从结果可知，OpenCV的速度更快，提速非常客观。

2. 代码展示

注：imgs文件夹里面存放的是普通图片。

"""
author:guopei
date:2021/06/02
"""
import os
import time
import numpy as np
import cv2
from PIL import Image
import glob


def test_cv(img_list):
    start_time = time.time()
    for path in img_list:
        img = cv2.imread(path)
        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
        img = cv2.resize(img, (512, 512))
    end_time = time.time()
    print("cv:sum time:%.5f" % (end_time - start_time))


def test_PIL(img_list):
    start_time = time.time()
    for path in img_list:
        img = Image.open(path)
        img = img.resize((512, 512))
    end_time = time.time()
    print("PIL:sum time:%.5f" % (end_time - start_time))

if __name__ == "__main__":
    img_list = glob.glob("imgs/*.png")
    print("image num: %s" % len(img_list))

    test_PIL(img_list)

    test_cv(img_list)

运行结果：

image num: 1000
PIL:sum time:10.77752
cv:sum time:6.41705

可见，CV在图片预处理上还是有绝对优势的，大约提速40%.

每天进步一点，加油！