Python圖像讀寫方法對比

更新時間：2020年11月16日 08:42:45 作者：頎周

這篇文章主要介紹了Python圖像讀寫方法對比的相關(guān)資料，幫助大家更好的理解和使用python，感興趣的朋友可以了解下

1 實驗標(biāo)準(zhǔn)

　　因為訓(xùn)練使用的框架是Pytorch，因此讀取的實驗標(biāo)準(zhǔn)如下：

　　1、讀取分辨率都為1920x1080的5張圖片（png格式一張，jpg格式四張）并保存到數(shù)組。

　　2、將讀取的數(shù)組轉(zhuǎn)換為維度順序為CxHxW的Pytorch張量，并保存到顯存中（我使用GPU訓(xùn)練），其中三個通道的順序為RGB。

　　3、記錄各個方法在以上操作中所耗費的時間。因為png格式的圖片大小差不多是質(zhì)量有微小差異的jpg格式的10倍，所以數(shù)據(jù)集通常不會用png來保存，就不比較這兩種格式的讀取時間差異了。

　　寫入的實驗標(biāo)準(zhǔn)如下：

　　1、將5張1920x1080的5張圖像對應(yīng)的Pytorch張量轉(zhuǎn)換為對應(yīng)方法可使用的數(shù)據(jù)類型數(shù)組。

　　2、以jpg格式保存五張圖片。

　　3、記錄各個方法保存圖片所耗費的時間。

2 實驗情況

2.1 cv2

　　因為有GPU，所以cv2讀取圖片有兩種方式：

　　1、先把圖片都讀取為一個numpy數(shù)組，再轉(zhuǎn)換成保存在GPU中的pytorch張量。

　　2、初始化一個保存在GPU中的pytorch張量，然后將每張圖直接復(fù)制進(jìn)這個張量中。

　　第一種方式實驗代碼如下：

import os, torch
import cv2 as cv 
import numpy as np 
from time import time 
 
read_path = 'D:test'
write_path = 'D:test\\write\\'
 
# cv2讀取 1
start_t = time()
imgs = np.zeros([5, 1080, 1920, 3])
for img, i in zip(os.listdir(read_path), range(5)): 
 img = cv.imread(filename=os.path.join(read_path, img))
 imgs[i] = img 
imgs = torch.tensor(imgs).to('cuda')[...,[2,1,0]].permute([0,3,1,2])/255 
print('cv2 讀取時間1：', time() - start_t) 
# cv2保存
start_t = time()
imgs = (imgs.permute([0,2,3,1])[...,[2,1,0]]*255).cpu().numpy()
for i in range(imgs.shape[0]): 
 cv.imwrite(write_path + str(i) + '.jpg', imgs[i])
print('cv2 保存時間：', time() - start_t)

　實驗結(jié)果：

cv2 讀取時間1： 0.39693760871887207
cv2 保存時間： 0.3560612201690674

第二種方式實驗代碼如下：

import os, torch
import cv2 as cv 
import numpy as np 
from time import time 
 
read_path = 'D:test'
write_path = 'D:test\\write\\'
 
 
# cv2讀取 2
start_t = time()
imgs = torch.zeros([5, 1080, 1920, 3], device='cuda')
for img, i in zip(os.listdir(read_path), range(5)): 
 img = torch.tensor(cv.imread(filename=os.path.join(read_path, img)), device='cuda')
 imgs[i] = img  
imgs = imgs[...,[2,1,0]].permute([0,3,1,2])/255 
print('cv2 讀取時間2：', time() - start_t) 
# cv2保存
start_t = time()
imgs = (imgs.permute([0,2,3,1])[...,[2,1,0]]*255).cpu().numpy()
for i in range(imgs.shape[0]): 
 cv.imwrite(write_path + str(i) + '.jpg', imgs[i])
print('cv2 保存時間：', time() - start_t)

　　實驗結(jié)果：

cv2 讀取時間2： 0.23636841773986816
cv2 保存時間： 0.3066873550415039

2.2 matplotlib

　　同樣兩種讀取方式，第一種代碼如下：

import os, torch 
import numpy as np
import matplotlib.pyplot as plt 
from time import time 
 
read_path = 'D:test'
write_path = 'D:test\\write\\'
 
# matplotlib 讀取 1
start_t = time()
imgs = np.zeros([5, 1080, 1920, 3])
for img, i in zip(os.listdir(read_path), range(5)): 
 img = plt.imread(os.path.join(read_path, img)) 
 imgs[i] = img  
imgs = torch.tensor(imgs).to('cuda').permute([0,3,1,2])/255 
print('matplotlib 讀取時間1：', time() - start_t) 
# matplotlib 保存
start_t = time()
imgs = (imgs.permute([0,2,3,1])).cpu().numpy()
for i in range(imgs.shape[0]): 
 plt.imsave(write_path + str(i) + '.jpg', imgs[i])
print('matplotlib 保存時間：', time() - start_t)

　　實驗結(jié)果：

matplotlib 讀取時間1： 0.45380306243896484
matplotlib 保存時間： 0.768944263458252

　　第二種方式實驗代碼：

import os, torch 
import numpy as np
import matplotlib.pyplot as plt 
from time import time 
 
read_path = 'D:test'
write_path = 'D:test\\write\\'
 
# matplotlib 讀取 2
start_t = time()
imgs = torch.zeros([5, 1080, 1920, 3], device='cuda')
for img, i in zip(os.listdir(read_path), range(5)): 
 img = torch.tensor(plt.imread(os.path.join(read_path, img)), device='cuda')
 imgs[i] = img  
imgs = imgs.permute([0,3,1,2])/255 
print('matplotlib 讀取時間2：', time() - start_t) 
# matplotlib 保存
start_t = time()
imgs = (imgs.permute([0,2,3,1])).cpu().numpy()
for i in range(imgs.shape[0]): 
 plt.imsave(write_path + str(i) + '.jpg', imgs[i])
print('matplotlib 保存時間：', time() - start_t)

　　實驗結(jié)果：

matplotlib 讀取時間2： 0.2044532299041748
matplotlib 保存時間： 0.4737534523010254

　　需要注意的是，matplotlib讀取png格式圖片獲取的數(shù)組的數(shù)值是在[0,1][0,1]范圍內(nèi)的浮點數(shù)，而jpg格式圖片卻是在[0,255][0,255]范圍內(nèi)的整數(shù)。所以如果數(shù)據(jù)集內(nèi)圖片格式不一致，要注意先轉(zhuǎn)換為一致再讀取，否則數(shù)據(jù)集的預(yù)處理就麻煩了。

2.3 PIL

　　PIL的讀取與寫入并不能直接使用pytorch張量或numpy數(shù)組，要先轉(zhuǎn)換為Image類型，所以很麻煩，時間復(fù)雜度上肯定也是占下風(fēng)的，就不實驗了。

2.4 torchvision

　　torchvision提供了直接從pytorch張量保存圖片的功能，和上面讀取最快的matplotlib的方法結(jié)合，代碼如下：

import os, torch 
import matplotlib.pyplot as plt 
from time import time 
from torchvision import utils 

read_path = 'D:test'
write_path = 'D:test\\write\\'
 
# matplotlib 讀取 2
start_t = time()
imgs = torch.zeros([5, 1080, 1920, 3], device='cuda')
for img, i in zip(os.listdir(read_path), range(5)): 
 img = torch.tensor(plt.imread(os.path.join(read_path, img)), device='cuda')
 imgs[i] = img  
imgs = imgs.permute([0,3,1,2])/255 
print('matplotlib 讀取時間2：', time() - start_t) 
# torchvision 保存
start_t = time() 
for i in range(imgs.shape[0]):  
 utils.save_image(imgs[i], write_path + str(i) + '.jpg')
print('torchvision 保存時間：', time() - start_t)

　　實驗結(jié)果：

matplotlib 讀取時間2： 0.15358829498291016
torchvision 保存時間： 0.14760661125183105

　　可以看出這兩個是最快的讀寫方法。另外，要讓圖片的讀寫盡量不影響訓(xùn)練進(jìn)程，我們還可以讓這兩個過程與訓(xùn)練并行。另外，utils.save_image可以將多張圖片拼接成一張來保存，具體使用方法如下：

utils.save_image(tensor = imgs,   # 要保存的多張圖片張量 shape = [n, C, H, W]
         fp = 'test.jpg',  # 保存路徑
         nrow = 5,     # 多圖拼接時，每行所占的圖片數(shù)
         padding = 1,    # 多圖拼接時，每張圖之間的間距
         normalize = True, # 是否進(jìn)行規(guī)范化，通常輸出圖像用tanh，所以要用規(guī)范化 
         range = (-1,1))  # 規(guī)范化的范圍

以上就是Python圖像讀寫方法對比的詳細(xì)內(nèi)容，更多關(guān)于python 圖像讀寫的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: