OpenCV、NumPy和Matplotlib直方图比较

发表于

「这是我参与11月更文挑战的第26天，活动详情查看：2021最后一次更文挑战」

前言

使用 OpenCV 提供的 cv2.calcHist() 函数可以用来计算直方图。此外，NumPy 和 Matplotlib 同样也为创建直方图提供了类似的函数。出于提高性能目的，我们来比较这些函数，使用 OpenCV、NumPy 和 Matplotlib 创建直方图，然后测量每个直方图计算的执行时间并将结果绘制在图形中，比较不同库中计算直方图的不同效率。

OpenCV、NumPy和Matplotlib灰度直方图比较

使用 timeit.default_timer 测量执行时间，因为它会自动提供系统平台和 Python 版本上可用的最佳时钟，为了使用 timeit.default_timer 测量执行时间，首先需要将其导入：

1
python复制代码from timeit import default_timer as timer

可以使用以下方法计算程序的执行时间：

1
2
3
4
python复制代码start = timer()
# 程序执行
end = timer()
execution_time = start - end

考虑到 default_timer() 测量值可能会受到同时运行的其他程序的影响。因此，获取准确计时的最佳方法是重复数次并使用最佳时间。当让，我们也可以采用其他方法来测量更加精确的时间，例如多次重复运行取平均值，或者其他更加有效避免异常的方法，在这里为了简单起见，我们重复数次并使用最佳时间。

而为了计算和比较直方图，我们需要使用以下函数：

  1. OpenCV 提供 cv2.calcHist() 函数
  2. NumPy 提供的 np.histogram() 函数
  3. Matplotlib 提供的 plt.hist() 函数

用于计算上述每个函数的执行时间的代码如下所示。首先，导入所需库：

1
2
3
4
python复制代码import numpy as np
import cv2
from matplotlib import pyplot as plt
from timeit import default_timer as timer

然后编写可视化函数，在同一图中显示运行结果，进行更好的对比：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
python复制代码def show_img_with_matplotlib(color_img, title, pos):
    img_RGB = color_img[:, :, ::-1]

    ax = plt.subplot(1, 4, pos)
    plt.imshow(img_RGB)
    plt.title(title)
    plt.axis('off')

def show_hist_with_matplotlib_gray(hist, title, pos, color):
    ax = plt.subplot(1, 4, pos)
    plt.title(title)
    plt.xlabel("bins")
    plt.ylabel("number of pixels")
    plt.xlim([0, 256])
    plt.plot(hist, color=color)

plt.figure(figsize=(18, 6))
plt.suptitle("Comparing histogram (OpenCV, numpy, matplotlib)", fontsize=14, fontweight='bold')

接下来，就是程序的最关键部分了，使用不同库中计算直方图的方法，并获取程序运行时间：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
ini复制代码image = cv2.imread('example.png')
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 计算 cv2.calcHist() 执行时间
start = timer()
hist = cv2.calcHist([gray_image], [0], None, [256], [0, 256])
end = timer()
# 乘以1000将单位转换为毫秒
exec_time_calc_hist = (end - start) * 1000

# 计算 np.histogram() 执行时间
start = timer()
hist_np, bin_np = np.histogram(gray_image.ravel(), 256, [0, 256])
end = timer()
exec_time_np_hist = (end - start) * 1000

# 计算 plt.hist() 执行时间
start = timer()
# 调用 plt.hist() 计算直方图
(n, bins, patches) = plt.hist(gray_image.ravel(), 256, [0, 256])
end = timer()
exec_time_plt_hist = (end - start) * 1000

最后，我们绘制灰度图及其直方图：

1
2
3
4
5
6
python复制代码how_img_with_matplotlib(cv2.cvtColor(gray_image, cv2.COLOR_GRAY2BGR), "gray", 1)
show_hist_with_matplotlib_gray(hist, "grayscale histogram (OpenCV)-" + str('% 6.2f ms' % exec_time_calc_hist), 2, 'm')
show_hist_with_matplotlib_gray(hist_np, "grayscale histogram (Numpy)-" + str('% 6.2f ms' % exec_time_np_hist), 3, 'm')
show_hist_with_matplotlib_gray(n, "grayscale histogram (Matplotlib)-" + str('% 6.2f ms' % exec_time_plt_hist), 4, 'm')

plt.show()

OpenCV、NumPy和Matplotlib灰度直方图比较

由上面实例可以看出，cv2.calcHist() 的执行速度比 np.histogram() 和 plt.hist() 都快。因此，出于性能考虑，在计算图像直方图时可以使用 OpenCV 函数。

本文转载自: 掘金

开发者博客 – 和开发相关的 这里全都有

0%