OpenCV python学习笔记(五)

时间:2022-05-06 06:00:22
# -*-coding:utf-8

# 使用OpenCV检测程序效率
# 两个函数:
# cv2.getTickCount():返回从参考点到这个函数被执行的时钟数
# cv2.getTickFrequency():返回时钟频率

import cv2
import numpy as np

# # 使用范例 获得函数执行时间
# e1 = cv2.getTickCount() # 执行开始时间(我的理解)
# # 所要执行的代码
# e2 = cv2.getTickCount() # 之行结束时间(我的理解)
# time = (e2-e1)/cv2.getTickFrequency() # 得到函数执行时间
# 除了这种方法,还可以通过time.time()来获得函数执行的时间


# OpenCV中的默认优化
# OpenCV中许多函数是优化过的,也有一些是没有优化的,如果我们的编译系统的是支持优化的话,
# 那么在编译的时候就会优化,可以通过cv2.useOptimized来查看优化是否开启,若没有开启,则可以
# 通过cv2.setUseOptimized()来开启
# 默认
# print cv2.useOptimized()
# # 关闭
# cv2.setUseOptimized(False)
# print cv2.useOptimized()
# # 开启
# cv2.setUseOptimized(True)
# print cv2.useOptimized()
# 结果:
# True
# False
# True

# 效率优化技术有些技术和编程方法可以让我们最大的发挥 Python 和 Numpy 的威力。
# 我们这里仅仅提一下相关的,你可以通过超链接查找更多详细信息。我们要说的最重要的一点是:
# 首先用简单的方式实现你的算法(结果正确最重要),当结 果正确后,再使用上面的提到的方法
# 找到程序的瓶颈来优化它。
# 1. 尽量避免使用循环,尤其双层三层循环,它们天生就是非常慢的。
# 2. 算法中尽量使用向量操作,因为 Numpy 和 OpenCV 都对向量操作进行 了优化。
# 3. 利用高速缓存一致性。
# 4. 没有必要的话就不要复制数组。使用视图来代替复制。数组复制是非常浪费资源的。
# 就算进行了上述优化,如果你的程序还是很慢,或者说大的训话不可避免的话, 你你应该尝试使用其他的包,
# 比如说 Cython,来加速你的程序。