python中 OpenCV和Pillow处理图像操作及时间对比

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。

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

来源：https://blog.csdn.net/shiwanghualuo/article/details/127029583