OpenCV-Python Tutorials

獲取程式執行時間

OpenCV主要函式

1. cv2.getTickCount()：記錄從參考點到程式執行完成的時間週期數
2. cv2.getTickFrequency()：返回時間頻率，即每秒鐘的時間週期數

Python主要函式

1. time.time()：獲得當前時間的時間戳
2. time.perf_counter()：返回計時器的精準時間（系統的執行時間），包含整個系統的睡眠時間。由於返回值的參考點是未定義的，只有連續呼叫的結果之間的差才是有效的。

獲取放大影象所需要的時間

import cv2
import time 
import os 
os.
 
chdir('C:/Users/lenovo/Desktop/')

bear = cv2.imread('BearBrown.jpg')
rows, cols = bear.shape[:2]

# 測試放大影象所需要的時間
# 程式執行終止的時間 - 起始時間為程式執行時間
############### OpenCV庫 ################
start = cv2.getTickCount() #函式執行前的時鐘週期數
bear_dst0 = cv2.resize(bear,(cols*2,rows*3),interpolation=cv2.INTER_CUBIC) #放大影象
end =
 
 cv2.getTickCount() #函式執行完成的時間週期數
time0 = (end-start)/cv2.getTickFrequency() #獲得放大影象所需要的時間
print(time0)

################ time庫 #################
# time.perf_counter()函式
start1 = time.perf_counter()
bear_dst1 = cv2.resize(bear,(cols*2,rows*3),interpolation=cv2.INTER_CUBIC) #放大影象
end1 = time.perf_counter(
 
) - start1 
print(end1)

# time.time()函式
start2 = time.time()
bear_dst2 = cv2.resize(bear,(cols*2,rows*3),interpolation=cv2.INTER_CUBIC) #放大影象
end2 = time.time() - start2
print(end2)

程式優化

OpenCV 中的很多函式都被優化過，但也包含一些沒有被優化的程式碼。在編譯時優化是被預設開啟的。

1. cv2.useOptimized() 來檢視優化是否被開啟
2. cv2.setUseOptimized()：引數為True開啟優化，False關閉優化。

import cv2
import time 
import os 
os.chdir('C:/Users/lenovo/Desktop/')

bear = cv2.imread('BearBrown.jpg')
rows, cols = bear.shape[:2]

# 測試開啟和關閉所需要的執行時間

cv2.setUseOptimized(True)
print(cv2.useOptimized())

start = cv2.getTickCount() #函式執行前的時鐘週期數
bear_dst0 = cv2.resize(bear,(cols*3,rows*3),interpolation=cv2.INTER_CUBIC) #放大影象
end = cv2.getTickCount() #函式執行完成的時間週期數
time0 = (end-start)/cv2.getTickFrequency() #獲得放大影象所需要的時間

cv2.setUseOptimized(False) # 關閉優化
print(cv2.useOptimized())

start = cv2.getTickCount() #函式執行前的時鐘週期數
bear_dst3 = cv2.resize(bear,(cols*3,rows*3),interpolation=cv2.INTER_CUBIC) #放大影象
end = cv2.getTickCount() #函式執行完成的時間週期數
time3 = (end-start)/cv2.getTickFrequency() #獲得放大影象所需要的時間

print("開啟優化的執行時間為"+str(time0))
print("關閉優化的執行時間為"+str(time3))

執行結果：

True
False
開啟優化的執行時間為0.0073506805537736615
關閉優化的執行時間為0.01660434574697629

效率優化原則

• Python 的標算比 在Numpy 裡計算快。對於僅包含一兩個元素的運算，Python 比 Numpy 的陣列快。但當陣列元素多時Numpy 快。所以Numpy的執行速度並不一定比Python本身語法快，元素數量較少時，用Python自身的格式計算。
• 儘量避免使用迴圈，尤其兩層三層的巢狀迴圈，迭代非常慢
• 優先使用OpenCV/Numpy中封裝好的函式
• 儘量將資料向量化，變成Numpy的資料格式
• 儘量避免陣列的複製操作