文章目錄

• python讀圖命令匯總
• 各個函數讀圖效率對比
• • 結果
  • 代碼

python讀圖命令匯總

python可以用來讀圖的命令有：

庫（版本）函數

opencv-python (4.2.0)	cv2.imread
imageio（2.8.0）	imageio.imread
skimage.io (0.16.2)	skimage.io.imread
matplotlib.pyplot (3.1.3)	matplotlib.pyplot.imread
matplotlib.image (3.1.3)	matplotlib.image.imread
PIL.Image (7.1.2)	PIL.Image.open & np.array
tensorflow (2.1)	tf.io.read_file & tf.io.decode_image

各個函數讀進來的圖片數據有些不同，主要有（以下測試不包含tensorflow）：

• cv2讀入的圖片通道順序是BGR，其他均為RGB
• cv2讀進來的jpg圖片即使調整通道順序后與其他的函數讀入的也不同（僅jpg不同），存在一點點誤差（其他函數的讀取結果均相同，但不見得是cv2解碼效果比其他的差，很有可能是cv2解碼效果優于其他所有）
• matplotlib讀取的png圖像的數值范圍是[0, 1]的float型，轉為[0, 255]的uint8型后結果與其他一樣

各個函數讀圖效率對比

先擺結果，測試代碼放后面，有興趣的話可以在自己電腦上測測。我的CPU是G4560，比較爛。

結果

表中數字表示讀取一張1920 x 1080的圖片的平均耗時，單位是ms。測試方法是反復讀取同一張圖片1000次，然后計算平均耗時。

綜合來說，除了tensorflow在讀jpg圖像時效率明顯有優勢外，其他均是cv2表現最佳。
如果有需要無損保存圖片，從后期再使用時的讀圖效率來看，bmp大大優于png。png占的空間稍小一點，假如不缺那點磁盤空間的話，建議用bmp。

bmp格式是無損不壓縮，png格式是無損壓縮。為了做到無損，png的壓縮比一般不是非常高，具體要看圖像內容，如果是自然拍攝的圖像或者內容非常豐富的圖像，那么壓縮比一般不高，如果是內容簡單，色彩也非常簡單（如純色圖）的圖像，那么壓縮比還是非常可觀的。

函數jpgpngbmp

cv2.imread	31.87	50.99	9.10
imageio.imread	44.02	59.82	17.07
skimage.io.imread	43.37	65.91	19.10
matplotlib.pyplot.imread	44.18	72.30	12.91
matplotlib.image.imread	38.90	67.61	12.72
PIL.Image.open & np.array	45.67	60.84	17.44
tf.io.read_file & tf.io.decode_image	17.74	53.15	19.58

代碼

# -*- coding: utf-8 -*- import time import cv2 import imageio import skimage.io import matplotlib.pyplot import matplotlib.imageNUM = 1000def read_time_test(image_file, read_num, func, func_name):jpg_file = image_file + '.jpg'png_file = image_file + '.png'bmp_file = image_file + '.bmp't0 = time.time()for i in range(read_num):image = func(jpg_file)t_cost = time.time() - t0print('%s, jpg read time: %.2f' % (func_name, t_cost / read_num * 1000))t0 = time.time()for i in range(read_num):image = func(png_file)t_cost = time.time() - t0print('%s, png read time: %.2f' % (func_name, t_cost / read_num * 1000))t0 = time.time()for i in range(read_num):image = func(bmp_file)t_cost = time.time() - t0print('%s, bmp read time: %.2f' % (func_name, t_cost / read_num * 1000))# '1' is image file name without extension read_time_test('1', NUM, cv2.imread, 'cv2.imread') read_time_test('1', NUM, imageio.imread, 'imageio.imread') read_time_test('1', NUM, skimage.io.imread, 'skimage.io.imread') read_time_test('1', NUM, matplotlib.pyplot.imread, 'matplotlib.pyplot.imread') read_time_test('1', NUM, matplotlib.image.imread, 'matplotlib.image.imread')

PIL.Image.open()本身的讀取效率極快，但是讀入的數據類型并不能直接被使用（類型是PIL.JpegImagePlugin.JpegImageFile，PIL.PngImagePlugin.PngImageFile，PIL.BmpImagePlugin.BmpImageFile等之類），需要使用np.array()轉換為ndarray后才能正常使用（轉換耗費了99%以上的時間）。如果把圖片讀為ndarray作為最終目的，那么PIL的效率并沒有什么優勢。另提醒一聲，PIL庫安裝時候的名字叫pillow：pip install pillow。

# -*- coding: utf-8 -*- import time from PIL import Image import numpy as npNUM = 1000t0 = time.time() for i in range(NUM):image = Image.open('1.jpg')image = np.array(image) t_cost = time.time() - t0 print('PIL.Image.open, jpg read time: %.2f' % (t_cost / NUM * 1000))t0 = time.time() for i in range(NUM):image = Image.open('1.png')image = np.array(image) t_cost = time.time() - t0 print('PIL.Image.open, png read time: %.2f' % (t_cost / NUM * 1000))t0 = time.time() for i in range(NUM):image = Image.open('1.bmp')image = np.array(image) t_cost = time.time() - t0 print('PIL.Image.open, bmp read time: %.2f' % (t_cost / NUM * 1000))

tensorflow類似PIL，也需要兩條命令配合才能真正讀取圖片，tensorflow讀取jpeg圖片的效率相對較高，讀取png和bmp相比較其他讀圖函數沒有什么優勢。

# -*- coding: utf-8 -*- import time import tensorflow as tfNUM = 1000t0 = time.time() for i in range(NUM):image_file = tf.io.read_file('1.jpg')image = tf.io.decode_image(image_file) t_cost = time.time() - t0 print('PIL.Image.open, jpg read time: %.2f' % (t_cost / NUM * 1000)) print(image.shape, type(image))t0 = time.time() for i in range(NUM):image_file = tf.io.read_file('1.png')image = tf.io.decode_image(image_file) t_cost = time.time() - t0 print('PIL.Image.open, png read time: %.2f' % (t_cost / NUM * 1000)) print(image.shape, type(image))t0 = time.time() for i in range(NUM):image_file = tf.io.read_file('1.bmp')image = tf.io.decode_image(image_file) t_cost = time.time() - t0 print('PIL.Image.open, bmp read time: %.2f' % (t_cost / NUM * 1000)) print(image.shape, type(image))

總結

以上是生活随笔為你收集整理的python读图命令与效率汇总的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。