Python圖像讀寫方法對比
1 實驗標準
因為訓練使用的框架是Pytorch，因此讀取的實驗標準如下：
1、讀取分辨率都為1920x1080的5張圖片（png格式一張，jpg格式四張）并保存到數組。
2、將讀取的數組轉換為維度順序為CxHxW的Pytorch張量，并保存到顯存中（我使用GPU訓練），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量有微小差異的jpg格式的10倍，所以數據集通常不會用png來保存，就不比較這兩種格式的讀取時間差異了。
寫入的實驗標準如下：
1、將5張1920x1080的5張圖像對應的Pytorch張量轉換為對應方法可使用的數據類型數組。
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數組，再轉換成保存在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制進這個張量中。
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格式圖片獲取的數組的數值是在[0,1][0,1]范圍內的浮點數，而jpg格式圖片卻是在[0,255][0,255]范圍內的整數。所以如果數據集內圖片格式不一致，要注意先轉換為一致再讀取，否則數據集的預處理就麻煩了。
2.3 PIL
PIL的讀取與寫入并不能直接使用pytorch張量或numpy數組，要先轉換為Image類型，所以很麻煩，時間復雜度上肯定也是占下風的，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練進程，我們還可以讓這兩個過程與訓練并行。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
padding = 1, # 多圖拼接時，每張圖之間的間距
normalize = True, # 是否進行規(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內容，更多關于python 圖像讀寫的資料請關注腳本之家其它相關文章！
相關文章
今天小編就為大家分享一篇利用nohup來開啟python文件的方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-01-01
這篇文章主要為大家詳細介紹了python實現簡易的學生信息管理系統(tǒng)，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-05-05
這篇文章主要介紹了基于Google的Python編碼規(guī)范標準，其中包含了分號，行長度，括號，縮進，空行，空格等基本符號的使用規(guī)則，有需要的朋友可以參考下2021-08-08
這篇文章主要介紹了python使用numpy生成18種特殊數組的方法,文章通過代碼示例介紹的非常詳細,對大家的學習或工作有一定的參考價值,需要的朋友可以參考下2023-09-09
這篇文章主要介紹了python中namedtuple函數的用法解析，文章圍繞主題展開詳細的內容介紹，具有一定的參考價值，感興趣的小伙伴可以參考一下2022-08-08
這篇文章主要介紹了Python安裝tar.gz格式文件方法詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-01-01
pypi是一個python包的倉庫,里面有很多別人寫好的python庫,你可以通過easy_install或者pip進行安裝,下面這篇文章主要給大家介紹了關于Python進階教程之創(chuàng)建本地PyPI倉庫的相關資料,需要的朋友可以參考下2021-10-10
這篇文章主要為大家詳細介紹了如何用Python和hashlib實現文件MD5碼的批量存儲功能，文中的示例代碼講解詳細，感興趣的小伙伴可以學習一下2023-05-05
數學是一個奇妙的東西，對此，也衍生出了許多的悖論與猜想。這篇文章會對哥德巴赫猜想用編程語言進行檢驗和推理，感興趣的小伙伴可以跟隨小編一起學習一下2022-12-12
這篇文章主要介紹了Python實現i人事自動打卡的示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-01-01