python中?OpenCV和Pillow處理圖像操作及時間對比

更新時間：2022年09月28日 11:29:08 作者：Liekkas?Kono

這篇文章主要介紹了python中OpenCV和Pillow處理圖像操作及時間對比，文章圍繞主題展開詳細的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下

引言

最近再做圖像處理相關的操作的時間優(yōu)化，用到了OpenCV和Pillow兩個庫，兩個庫各有優(yōu)缺點。各位小伙伴需要按照自己需求選用。
本篇博客做了簡單整理，對常用操作做了對比整理，以及給出具體運行時間說明。

OpenCV和Pillow的優(yōu)缺點對比

庫	優(yōu)點	缺點
OpenCV	由C和C++編寫，跨平臺，有著多個語言的實現(xiàn)，部署比較方便	對顯示中文支持較差、Python下常用函數(shù)不是太好看-_-!
Pillow	常用函數(shù)操作封裝較好，對顯示中文字體有著很好的支持	處理時間較慢

測試環(huán)境：

OS: Windows10
Python: 3.7.13
OpenCV: 4.6.0.66
numpy: 1.21.6
Pillow: 9.2.0

測試圖像：

PNG圖像： test_demo.png
JPG圖像：test_demo.jpg

讀取圖像的通道順序區(qū)別：

OpenCV讀取圖像，通道順序是：BGR
Pillow讀取圖像，通道順序是：RGB

獲得圖像shape區(qū)別：

OpenCV.shape是(height, width, channel
Pillow.size是(width, height）

示例代碼：

import cv2
from PIL import Image

img_path = 'images/test_demo.png'

cv_img = cv2.imread(img_path)
height, width, channel = cv_img.shape

pillow_img = Image.open(img_path)
width, height = pillow_img.size

讀寫圖像

讀圖像

示例代碼：

import cv2
from PIL import Image
import numpy as np

png_img_path = 'images/test_demo.png'
jpg_img_path = 'images/test_demo.jpg'

# 由jupyter notebook中魔法命令：%%timeit測得
# 169 ms ± 1.68 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
cv_img = cv2.imread(png_img_path)    

# 52.9 ms ± 541 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)
cv_img = cv2.imread(jpg_img_path)

# 300 ms ± 8.45 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
pillow_img = Image.open(png_img_path)
pillow_img = np.array(pillow_img)

# 47.4 ms ± 1.87 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
pillow_img = Image.open(jpg_img_path)
pillow_img = np.array(pillow_img)

小結(jié)：

讀取圖像格式為PNG，且都轉(zhuǎn)為np.array格式，優(yōu)先選擇OpenCV。
讀取圖像格式為JPG，且都轉(zhuǎn)為np.array格式，速度相差不大，按需選取即可。

寫圖像

示例代碼：

save_png_path = 'output/result.png'
save_jpg_path = 'output/result.jpg'

cv_img = cv2.imread(png_img_path)
pillow_img = Image.open(png_img_path)

# 346 ms ± 11.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
cv2.imwrite(save_png_path, cv_img)

# 158 ms ± 4.03 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
cv2.imwrite(save_jpg_path, cv_img)

# 2.81 s ± 38.2 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
pillow_img.save(save_png_path)

# 51.3 ms ± 1.72 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
t = pillow_img.convert('RGB') 
t.save(save_jpg_path)

小結(jié)：

寫圖像格式為PNG，優(yōu)先選擇OpenCV。
寫圖像格式為JPG，選擇Pillow。

縮放圖像

示例代碼：

png_img_path = 'images/test_demo.png'

resize_shape = (2048, 2048)
cv_img = cv2.imread(png_img_path)
pillow_img = Image.open(png_img_path)

# 6.93 ms ± 173 μs per loop (mean ± std. dev. of 7 runs, 100 loops each)
cv2.resize(cv_img, resize_shape, interpolation=cv2.INTER_CUBIC)

# 151 ms ± 2.21 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
pillow_img.resize(resize_shape, resample=Image.Resampling.BICUBIC)

小結(jié)： OpenCV速度完勝Pillow

旋轉(zhuǎn)圖像

示例代碼：

angle = 38

# 23.6 ms ± 732 μs per loop (mean ± std. dev. of 7 runs, 10 loops each)
h, w = cv_img.shape[:2]
M = cv2.getRotationMatrix2D((w / 2, h / 2), angle, 1)
rot_img = cv2.warpAffine(cv_img, M, (w, h))

# 82.1 ms ± 2.37 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
rot_img_pillow = np.array(pillow_img.rotate(angle))

小結(jié)：OpenCV速度完勝Pillow

總結(jié)：