[人工智能]python下OpenCV和Pillow处理图像操作汇总和时间对比

引言

• 最近再做图像处理相关的操作的时间优化，用到了OpenCV和Pillow两个库，两个库各有优缺点。各位小伙伴需要按照自己需求选用。
• 本篇博客做了简单整理，对常用操作做了对比整理，以及给出具体运行时间说明。
• 源码参见：OpenCV vs Pillow.ipynb

OpenCV和Pillow的优缺点对比

测试环境

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

测试图像

• PNG图像： test_demo.png
• JPG图像：test_demo.jpg

读取图像的通道顺序区别

• OpenCV读取图像，通道顺序是：BGR
• Pillow读取图像，通道顺序是：RGB

获得图像shape区别

• OpenCV.shape是(height, width, channel)
• Pillow.size是(width, height)
• 示例代码：

  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
  

读写图像

• 读图像
  • 示例代码

  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测得
  # 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)
  

  • 小结：
    • 读取图像格式为PNG，且都转为np.array格式，优先选择OpenCV。
    • 读取图像格式为JPG，且都转为np.array格式，速度相差不大，按需选取即可。
• 写图像
  • 示例代码

  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)
  

  • 小结：
    • 写图像格式为PNG，优先选择OpenCV。
    • 写图像格式为JPG，选择Pillow。

缩放图像

• 示例代码

  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)
  

• 小结
  • OpenCV速度完胜Pillow

旋转图像

• 示例代码

  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))
  

• 小结
  • OpenCV速度完胜Pillow

总结

• 如果可以选择，优先选择OpenCV处理图像
• Pillow可以用来处理显示中文相关问题