Question

我想使用枕头进行一些简单的手写图像识别，因为它是实时的，所以我需要每秒调用5-10次函数。我正在加载图片，并且仅访问20 ^ 2像素中的1个，所以我真的不需要所有图片。我需要减少图像加载时间。

我从未使用过python图像库，希望能收到所有建议。

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)

所需的加载时间：<50ms，实际加载时间：〜150ms

Answer 1

JPEG库具有“加载时收缩” 功能，该功能可以避免很多I / O和解压缩。您可以使用Image.draft()函数在PIL / Pillow中利用此功能，而不是像这样读取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1/4的宽度和1/4的高度：

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

只需75毫秒，即快4倍。

只是为了踢球，我尝试比较以下各种技巧：

#!/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) 
    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)

并将其加载到ipython中并进行如下测试：

%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')
8.44 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)

pyVIPS 显然是这里的赢家！

关键字：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。

如何加快枕头中的图像加载（python）？

1 个答案: