performance

时间

1 2 3 4 5 6 7 8 9 10 11

import cv2 as cv # 时钟周期数 e1 = cv.getTickCount() # your code execution e2 = cv.getTickCount() # 时间 = 时钟周期数/时钟周期的频率 time = (e2 - e1)/ cv.getTickFrequency() print(time)

优化

Many of the OpenCV functions are optimized using SSE2, AVX etc. OpenCV runs the optimized code if it is enabled.

cv.useOptimized() to check if it is enabled/disabled and cv.setUseOptimized() to enable/disable

通常，OpenCV函数比Numpy函数更快。因此，对于相同的操作，OpenCV功能是首选。但是，可能有例外，尤其是当Numpy使用视图而不是副本时。

• 尽量避免在Python中使用循环，尤其是双循环/三循环等。它们本质上很慢。
• 将算法/代码矢量化到最大可能范围，因为Numpy和OpenCV针对向量运算进行了优化。
• 利用缓存一致性。
• 除非需要，否则永远不要复制数组。尝试使用视图。阵列复制是一项昂贵的操作。
• 即使在完成所有这些操作之后，如果您的代码仍然很慢，或者使用大型循环是不可避免的，请使用其他库（如Cython）来加快速度。

numpy 视图 副本

视图

数据的一个别称或引用，对视图进行修改，它会影响到原始数据，物理内存在同一位置。

• numpy 的切片操作返回原数据的视图
• 调用 ndarray 的 view() 函数产生一个视图

副本

一个数据的完整的拷贝，如果我们对副本进行修改，它不会影响到原始数据，物理内存不在同一位置。

• Python deepCopy()函数
• 调用 ndarray 的 copy() 函数产生一个副本。