圖像處理，顧名思義，是對(duì)圖像進(jìn)行的各種轉(zhuǎn)換、計(jì)算等處理。圖像處理必不可少地需要讀寫圖像文件。

圖像文件的讀取，就是將圖像數(shù)據(jù)從磁盤中的文件內(nèi)讀入內(nèi)存，之后按照?qǐng)D像解碼標(biāo)準(zhǔn)解碼，最后把圖像各像素的值存儲(chǔ)到內(nèi)存區(qū)域中，并返回存儲(chǔ)圖像像素值的內(nèi)存起始地址。圖像數(shù)據(jù)的結(jié)構(gòu)，其實(shí)就是二維數(shù)組。在 C 語(yǔ)言里面，就是用二維數(shù)組或者一維數(shù)組形式的手動(dòng)二維數(shù)組的形式存放的。在 Python 生態(tài)里，讀入內(nèi)存的圖像，一般需要以 Numpy 數(shù)組的形式存放，方便稍后處理。Numpy 數(shù)組具有 C 接口，在特定情況下，可以直接直接用 C 讀取。

圖像文件的寫入，是將圖像數(shù)據(jù)按照?qǐng)D像編碼標(biāo)準(zhǔn)編碼，添加上如圖像像素?cái)?shù)、顏色數(shù)等相關(guān)的文件信息，構(gòu)造成符合標(biāo)準(zhǔn)的圖像文件數(shù)據(jù)，并寫入磁盤。

用什么方法讀寫圖像，速度最快，一直為人所爭(zhēng)議，但不同的平臺(tái) windows/linux 32bit/64bit 與實(shí)現(xiàn) python2/python3/c，不同的圖像格式大小批量，得到的結(jié)果總是千奇百怪的。

所以，本質(zhì)上，這個(gè)速度比較，是依賴于運(yùn)行環(huán)境和具體的應(yīng)用場(chǎng)合的。運(yùn)行環(huán)境包括硬件和軟件，硬件上的CPU、內(nèi)存、硬盤、系統(tǒng)總線、緩存等等；軟件包括系統(tǒng)平臺(tái)、編譯器、第三方庫(kù)等等。如此多的影響變量，已經(jīng)完全沒(méi)辦法控制了。還要加上具體的應(yīng)用場(chǎng)合，比如，讀取圖像的圖像格式，分辨率大小等等。典型的，JPG 圖像和 BMP 圖像編解碼運(yùn)算壓力就很不一樣；海量小圖像，和少量大分辨率圖像，差距也很大。不同的 Python 包在不同的第三方庫(kù)的支持下，針對(duì)不同圖像格式、文件尺寸的讀寫性能也是完全不同的。在后面詳細(xì)讀源碼的時(shí)候可以發(fā)現(xiàn)，同一個(gè) Python 包讀寫圖像代碼，在不同的環(huán)境下，實(shí)際調(diào)用路徑和調(diào)用的第三方包也會(huì)變化。

還有一個(gè)問(wèn)題，就是運(yùn)行環(huán)境的具體要求。比較典型的一個(gè)問(wèn)題，就是 Pillow 這種純 Python 代碼包，和 OpenCV 這種以 C/C++ 為基礎(chǔ)的 Python 接口轉(zhuǎn)接的包的區(qū)別。在跨平臺(tái)的時(shí)候，純 Python 包更能取得一致效果。我個(gè)人之前的工作中，就遇到過(guò)，使用 OpenCV 在 windows 和 Linux 環(huán)境下得到不同的運(yùn)行結(jié)果，其中原因有可能是計(jì)算中 Windows 和 Linux 下調(diào)用的運(yùn)算庫(kù)的版本不同或具體指令得到的結(jié)果不一樣。另一種常見(jiàn)的情況，是在云平臺(tái)上，不具有管理員權(quán)限，不能額外安裝二進(jìn)制代碼包，甚至 Python 包，那就只能盡可能利用現(xiàn)存工具。

因此，為了在“不論如何的復(fù)雜環(huán)境”下，都能“根據(jù)現(xiàn)實(shí)條件”找到“適合當(dāng)前應(yīng)用需求”的最高效 Python 包，我這里提出一個(gè)測(cè)試驅(qū)動(dòng)的方案。畢竟只要實(shí)際上手測(cè)試一下，自然就可以找到實(shí)際最高效的 Python 包。而且，利用 Python 的“引入并改名 import as”機(jī)制，把經(jīng)過(guò)測(cè)試后選擇出來(lái)的函數(shù)接出來(lái)以供使用，可以在各種環(huán)境下，都提供出一個(gè)最快的解決方案。

本文的以下部分，列舉了常見(jiàn)的具有 Python 圖像讀寫能力的包和使用方法，分析比較其性能，并開(kāi)源一個(gè)自動(dòng)測(cè)試比較不同圖像處理包圖像讀取性能的包。希望能夠有助于同學(xué)、同行節(jié)省爭(zhēng)議時(shí)間。畢竟只有具有真正實(shí)驗(yàn)數(shù)據(jù)支撐的“實(shí)證研究 Empirical Research”才是真正有價(jià)值的。

MATLAB 圖像文件讀寫

在介紹 Python 的圖像文件讀寫，先對(duì)比一下 MATLAB。

MATLAB 有 imread 和 imwrite 分別用于圖像讀取和圖像寫入。

A = imread(filename, fmt) imwrite(A,filename)

filename 是需要讀入的圖像文件名，fmt是讀入圖像的格式代碼。整句代碼的意思是將文件 filename 以 fmt 格式讀入，讀入后，數(shù)據(jù)存儲(chǔ)在變量A中。

Python 圖像文件讀寫

在 Python 生態(tài)里，我個(gè)人認(rèn)為，最為正統(tǒng)的圖像讀寫，應(yīng)該使用 skimage 包。skimage 的全稱是 scikit-image。但實(shí)際使用的時(shí)候，例如在導(dǎo)入一個(gè) Python 包的時(shí)候，不能存在連字符，所以有縮略語(yǔ) skimage。skimage 是原本 SciPy（Python 科學(xué)計(jì)算包）中圖像處理相關(guān)算法獨(dú)立出來(lái)的 Python 包。skimage 包的維護(hù)一直有 Anaconda 的參與，所以使用 conda install 也是很穩(wěn)妥的。

skimage 中，負(fù)責(zé)圖像讀寫的，是 io module 中的 imread 和 imsave 函數(shù)。

from skimage import io img_array = io.imread(fname, as_grey=False, plugin=None, flatten=None, **plugin_args) io.imsave(fname, arr, plugin=None, **plugin_args)

MATLAB 與 Python 讀取圖像的 RGB 順序，是不一樣的，要注意調(diào)整，也可以具體指定 RGB 順序，以便確保準(zhǔn)確。

常見(jiàn)圖像處理工具簡(jiǎn)介

最常見(jiàn)的圖像讀取工具，是 Pillow 和 OpenCV。

Pillow 是 Python 原生圖像處理包，優(yōu)點(diǎn)是純 Python、跨平臺(tái)、沒(méi)有其它依賴，可靠穩(wěn)定。

OpenCV 是以 CC++ 為主開(kāi)發(fā)的圖像處理通用軟件庫(kù)，算法全面，功能強(qiáng)大，具有多種接口。早期版本長(zhǎng)期錨定 Python 2，環(huán)境配置比較繁瑣，但現(xiàn)在其 Python 3 接口已經(jīng)比較完善了。

其他常見(jiàn)的圖像處理包，包括 matplotlib、imageio 和 skimage。

matplotlib 作為 Python 最早也是影響最廣泛的數(shù)據(jù)可視化包，也是常用的圖像讀取工具。

imageio 其實(shí)是 scipy 中的圖像操作功能獨(dú)立后的包，原本是 scipy.io 中的圖像操作工具。

skimage 是一套完整的圖像處理包，自然也具有圖像讀取能力。

另外幾個(gè)比較獨(dú)特的：

Qt 作為歷史悠久的跨平臺(tái) GUI 庫(kù)，圖像讀取方式獨(dú)樹(shù)一幟，效率非常好，但格式獨(dú)特。

再就是 imread 包，專職圖像讀取，格式支持廣泛，性能也不俗。

FreeImage 是一個(gè)開(kāi)源圖像格式支持庫(kù)。

其中 imageio、skimage 其實(shí)用的就是 Pillow，只是自己在上面包裝了一下。

matplotlib 除了 PNG 格式外，也都是利用一種插件機(jī)制，調(diào)用其它包實(shí)現(xiàn)的。依賴的，主要也還是 Pillow。而 PNG 格式，matplotlib 本身有基于 C 的支持。

具體的不同包之間的調(diào)用方法可以參見(jiàn)代碼和我之前的回答：

Python的各種imread函數(shù)在實(shí)現(xiàn)方式和讀取速度上有何區(qū)別？?www.zhihu.com

圖像讀取性能測(cè)試 imreadeval

Github repo 如下：

quxiaofeng/imreadeval?github.com

包的名字，起得很直觀，就是評(píng)估圖像讀取性能 im(age)-read-eval(uation)。

當(dāng)前，僅僅實(shí)現(xiàn)了

• Pillow
• OpenCV
• Matplotlib
• imageio (descendent of scipy.io.imread, which is deprecated)
• SciKit-Image (depend on SciPy)

五種圖像讀取函數(shù)的測(cè)試。

可以直接 pip install imreadeval 安裝。

而評(píng)估測(cè)試也很簡(jiǎn)單，直接 import imreadeval 就可以。

默認(rèn)會(huì)直接讀取包中自帶的兩張（PNG、JPG 各一張）十次，并給出讀取需要的時(shí)間。

這里的“讀取”，是讀入一張圖像到內(nèi)存，并讀取其中一個(gè)像素的值。以防止打開(kāi)圖像不實(shí)際讀取（Pillow，說(shuō)的就是你這個(gè) lazy 包）。

這個(gè)包針對(duì) Py27/Py36/Py37 Win/Lin 都做了測(cè)試，都可以跑起來(lái)。方便在各種平臺(tái)上做測(cè)試。

而且測(cè)試后，import 進(jìn)來(lái)讀取速度最快的包實(shí)現(xiàn)的 imread，方便在不同平臺(tái)確保使用最快的 imread。

也可以直接 from imreadeval import imread引入最快的函數(shù)。

也提供了接口，可以在自己的圖像上，測(cè)試哪個(gè)包讀得最快。方法如下

from imreadeval import imread_evaloptimum_package_name = imread_eval(filenames = ['filename1.jpg', 'filename2.png'],times = 1000)

可以自行 glob 一些圖像，讀入測(cè)試千百遍啊千百遍。

希望大家在自己的平臺(tái)測(cè)試，并提供意見(jiàn)。歡迎 issue 和 PR，也歡迎 star 和 fork。

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來(lái)咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的aerials标准测试图像_Python 图像读写谁最快？不信就比一比的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。