图像处理|OpenCV-Python实战（番外篇）——OpenCV、NumPy和Matplotlib直方图比较
OpenCV-Python实战（番外篇）——OpenCV、NumPy和Matplotlib直方图比较
-
- 前言
- OpenCV、NumPy和Matplotlib灰度直方图比较
- OpenCV、NumPy和Matplotlib颜色直方图比较
- 相关链接
前言 在《OpenCV-Python实战（7）——直方图详解（??万字长文，含大量示例??）》中，我们学习了使用
OpenCV 提供的 cv2.calcHist() 函数来计算直方图。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。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，首先将其导入：from timeit import default_timer as timer
可以使用以下方法计算程序的执行时间：
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。而为了计算和比较直方图，我们需要使用以下函数：
OpenCV提供cv2.calcHist()函数NumPy提供的np.histogram()函数Matplotlib提供的plt.hist()函数
import numpy as np
import cv2
from matplotlib import pyplot as plt
from timeit import default_timer as timerdef 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')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# 绘制灰度图及其直方图
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()
文章图片
OpenCV、NumPy和Matplotlib颜色直方图比较 对比颜色直方图的方法与灰度直方图类似：
import numpy as np
import cv2
from matplotlib import pyplot as plt
from timeit import default_timer as timerdef 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_rgb(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])for (h, c) in zip(hist, color):
plt.plot(h, color=c)plt.figure(figsize=(18, 6))
plt.suptitle("Comparing histogram (OpenCV, numpy, matplotlib)", fontsize=14, fontweight='bold')image = cv2.imread('example.png')# 计算 cv2.calcHist() 执行时间
start = timer()
def hist_color_img(img):
histr = []
histr.append(cv2.calcHist([img], [0], None, [256], [0, 256]))
histr.append(cv2.calcHist([img], [1], None, [256], [0, 256]))
histr.append(cv2.calcHist([img], [2], None, [256], [0, 256]))
return histrhist= hist_color_img(image)
end = timer()
exec_time_calc_hist = (end - start) * 1000# 计算 np.histogram() 执行时间
start = timer()
def hist_color_img_np(img):
histr = []
hist_np, bin_np = np.histogram(img[:,:,0].ravel(), 256, [0, 256])
histr.append(hist_np)
hist_np, bin_np = np.histogram(img[:,:,1].ravel(), 256, [0, 256])
histr.append(hist_np)
hist_np, bin_np = np.histogram(img[:,:,2].ravel(), 256, [0, 256])
histr.append(hist_np)
return histr
hist_np = hist_color_img_np(image)
end = timer()
exec_time_np_hist = (end - start) * 1000# 计算 plt.hist 执行时间
start = timer()
def hist_color_img_plt(img):
histr = []
(n, bins, patches) = plt.hist(image[:,:,0].ravel(), 256, [0, 256])
histr.append(n)
(n, bins, patches) = plt.hist(image[:,:,1].ravel(), 256, [0, 256])
histr.append(n)
(n, bins, patches) = plt.hist(image[:,:,2].ravel(), 256, [0, 256])
histr.append(n)
return histr
n = hist_color_img_plt(image)
end = timer()
exec_time_plt_hist = (end - start) * 1000# 绘制图像及其颜色直方图
show_img_with_matplotlib(image, "color", 1)
show_hist_with_matplotlib_rgb(hist, "color histogram (OpenCV)-" + str('% 6.2f ms' % exec_time_calc_hist), 2, ['b', 'g', 'r'])
show_hist_with_matplotlib_rgb(hist_np, "color histogram (Numpy)-" + str('% 6.2f ms' % exec_time_np_hist), 3, ['b', 'g', 'r'])
show_hist_with_matplotlib_rgb(n, "color histogram (Matplotlib)-" + str('% 6.2f ms' % exec_time_plt_hist), 4, ['b', 'g', 'r'])plt.show()
文章图片
由上面两个实例可以看出，
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。相关链接 【图像处理|OpenCV-Python实战（番外篇）——OpenCV、NumPy和Matplotlib直方图比较】《OpenCV-Python实战（7）——直方图详解（??万字长文，含大量示例??）》
推荐阅读
- Java|Java OpenCV图像处理之SIFT角点检测详解
- 《机器学习实战》高清中文版PDF英文版PDF+源代码下载
- --木木--|--木木-- 第二课作业#翼丰会（每日一淘6+1实战裂变被动引流# 6+1模式）
- 2020-07-29《吴军·阅读与写作50讲》24实战才能转化效能
- Python实战计划学习笔记（9）为大规模爬取准备
- 韵达基于云原生的业务中台建设 | 实战派
- 【V课会】第3季-30天小学思维导图实战营
- JAVA图像处理系列（四）——噪声
- 【思维导图实战派】刻意练习计划“遇见……”|【思维导图实战派】刻意练习计划“遇见……” 1/300 人教版数学五下第三单元《正方体和长方体的认识》
- OpenCV|OpenCV-Python实战（18）——深度学习简介与入门示例