Python Pillow 和 cv2 图片 resize 速度的比较

本文链接：https://blog.youkuaiyun.com/byron123456sfsfsfa/article/details/102996399

今天要说的事情很简单，就是比较了一下 PIL 和 cv2 resize 图片的速度。我们都知道，Python 中有关图像处理的库有很多，常见的有 cv2，scikit-image，PIL （严谨点应该叫 Pillow，下文就用 PIL 来代替了）等等。在用 Python 进行深度学习图像任务的时候，我们常常会使用 PIL 这个库来读取图片（尤其是在用 PyTorch 的时候）。至于为什么 PIL 比较常用，我也不知道… 难道是 TorchVision 带来的风气（https://github.com/pytorch/vision#image-backend）？但在进行视频流处理的时候，我们往往会用到 cv2，因为都会用到 cv2.VideoCapture() 来读视频（应该没有人第一反应是其他的库吧）。

为什么会想到对比这二者 resize 图片的速度？原因是最近处理视频流的时候用的是 cv2 读取，每一帧读出来的结果是一个3维的 Numpy Array。然后要 resize 一下送到模型嘛，因为惯性我就用了 PIL 来做图片 resize （而没有用 cv2.resize）。PIL 的 resize 只能对 PIL Image 类做处理，所以我先把 Numpy Array 转成 PIL Image，然后 resize，然后再转回 Numpy Array。我后来再看代码的时候心想这 tm 是什么操作？那索性来比一比这二者的速度吧。

因为这不是什么严肃的对比，所以我就不列啥硬件软件配置了。但大体上就是，一台普通的电脑，用着 pip3 安装来的普通的 cv2 和 PIL，做的一次简单的对比。

resize 对比

对比中我们使用的是 CV 界中的经典图像，512x512 的豪华彩色三通道 Lena 的 png 图片， ~~你看看这高清的像素，你看看这左上角标的 2014 的独特 logo，你看看这被截到只剩下头和肩膀的 Lena~~ :

Lena

首先我们先测试一下 cv2 的速度，我们采用双线性插值，将 512x512 的图片 resize 到 1024x1024：

repeat = 2000
im = cv2.imread('lena512_colour.png')
print(type(im), im.shape)
# <class 'numpy.ndarray'> (512, 512, 3)

start = time.time()
for i in range(repeat):
    im_resized = cv2.resize(im, (1024, 1024), interpolation