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

• 

  家庭自制榨菜腌制方法 家庭自制榨菜腌制方法窍门
• 

  网站内部优化分析
• 

  云顶之弈魔幻AOE卡牌流阵容搭配分享 魔幻AOE卡牌流玩法技巧
• 

  肛裂会自愈吗？
• 

  #支教之行#打球篇
• 

  入伏要注意什么 2021入伏就是出梅了吗
• 

  跨境电商是做什么的 电商属于什么端，关于电商
• 

  学美发多久能学成呢？
• 

  幼猫感冒吃什么药 猫感冒吃什么药
• 

  QVE音频剪辑软件怎么剪辑音频？
• 

  气虚会对月经有影响吗
• 

  安卓边框渐变,边框line可设置为渐变颜色或仅显示一种颜色
• 

  Apollo热发布配置
• 

  王者训练营怎么关冷却时间
• 

  陆绎八岁了是什么梗
• 

  拍一拍有什么用处
• 

  焦作市是什么气候
• 

  男人吃什么对肾脏好
• 

  西游记与本草纲目不得不说的秘密 本草纲目
• 

  佳能G9X相机照相黑色是怎么回事

• 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