如何加快Pillow（Python）中图像的加载速度？

Question

如何加快Pillow（Python）中图像的加载速度？

7

我希望使用pillow进行简单的手写图像识别，需要实时调用函数5-10次/秒。我正在加载图像，但只访问20^2个像素中的1个，因此不需要所有图像。我需要减少图像加载时间。

我从未使用过python图像库，希望获得所有建议。

from PIL import Image
import time

start = time.time()

im = Image.open('ir/IMG-1949.JPG')
width, height = im.size
px = im.load()

print("loading: ", time.time() - start)

期望加载时间: <50ms, 实际加载时间: ~150ms

- Fractal Salamander

你能避免使用JPEG格式吗？无损图像可能加载更快。 - DisappointedByUnaccountableMod

你有多少这样的图像？它们在磁盘上占用多少字节？它们的宽度和高度是多少？ - Mark Setchell

我正在使用手机相机进行拍摄，图像大小为4032 x 3024 - 1.9MB。虽然相机的性能超出了任务要求，但这是我唯一拥有的相机。图像的默认格式为JPEG，并且在任何时候，我的硬盘上可能不会保存超过5个图像，因为在运行代码后它们变得无关紧要。 - Fractal Salamander

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Mark Setchell · Accepted Answer

更新的答案

自从我写下这个答案以来，John Cupitt（pyvips的作者）已经提出了一些改进和修正，还有更公平的代码和时间，并且很友好地在这里分享了他们。请查看他改进的版本，与我的代码并列或者甚至更优先。

原始答案

JPEG库有一个"加载时缩小"的功能，可以避免大量的I/O和解压缩。您可以使用PIL/Pillow的Image.draft()函数来利用这一功能，所以不必像这样读取完整的4032x3024像素：

from PIL import Image

im = Image.open('image.jpg')
px = im.load()

在我的Mac上，这需要297毫秒，你可以执行以下操作并读取1008x756像素，即宽度的1/4和高度的1/4。

im = Image.open('image.jpg') 
im.draft('RGB',(1008,756)) 
px = im.load()

只需要75毫秒，即快了4倍。

为了好玩，我尝试了以下各种技术的比较：

#!/usr/bin/env python3 

import numpy as np 
import pyvips 
import cv2 
from PIL import Image 

def usingPIL(f): 
    im = Image.open(f) 
    return np.asarray(im) 

def usingOpenCV(f): 
    arr = cv2.imread(f,cv2.IMREAD_UNCHANGED) 
    return arr 

def usingVIPS(f): 
    image = pyvips.Image.new_from_file(f, access="sequential") 
    return imgnp.numpy() 

def usingPILandShrink(f): 
    im = Image.open(f)  
    im.draft('RGB',(1008,756))  
    return np.asarray(im) 

def usingVIPSandShrink(f): 
    image = pyvips.Image.new_from_file(f, access="sequential", shrink=4) 
    return imgnp.numpy()

然后将其加载到ipython中，并进行了如下测试：

%timeit usingPIL('image.jpg')
315 ms ± 8.76 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit usingOpenCV('image.jpg')
102 ms ± 1.5 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit usingVIPS('image.jpg')
69.1 ms ± 31.3 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit usingPILandShrink('image.jpg')
77.2 ms ± 994 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit usingVIPSandShrink('image.jpg')                                                    
42.9 ms ± 332 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

看起来pyVIPS在这里是明显的赢家！

关键词：Python，PIL，Pillow，图像，图像处理，JPEG，加载时缩小，草稿模式，读取性能，加速。