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：

1. OpenCV 提供 cv2.calcHist() 函数
2. NumPy 提供的 np.histogram() 函数
3. Matplotlib 提供的 plt.hist() 函数

用于计算上述每个函数的执行时间的代码如下：

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

• 

  讣告上存殁均感的殁字是什么意思 讣告上存殁均感的殁字是啥意思
• 

  门前清水尚能西上一句
• 

  6670换7610外壳外一篇
• 

  广东省有哪些土特产食品类的
• 

  牛奶加蜂蜜可以解酒吗
• 

  桑葚树怎么种 桑葚树怎么移栽
• 

  空调没有遥控器怎么开
• 

  100克食物有多少 多少是一克
• 

  575
• 

  80平米房屋装修价格 80平米房屋装修价格东莞
• 

  早餐吃燕麦能减肥吗
• 

  感赏生活第一天（这个周日好好玩）
• 

  孩子|女性有没有生过孩子，其实三个部位一看就知道了，想遮掩都遮不住
• 

  夫妻离婚按揭房屋怎么分配 离婚后按揭房款怎么分配
• 

  春日杂咏是一首什么诗 春日杂咏是一首什么律诗
• 

  DIY改造TP-Link 7650小音箱成为具备三防、mesh、poe的高性能户外AP
• 

  2020年北京长城文化节 2023年北京长城梅花节活动时间
• 

  材料化学属于什么类 材料化学属于什么类专业
• 

  汽车天窗冰甲和隔热膜哪个好
• 

  redis高并发架构设计与源码剖析 高并发下redis的瓶颈

• 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