Python影像讀寫方法對比

　　訓練視覺相關的神經網路模型時，總是要用到影像的讀寫，方法有很多，比如matplotlib、cv2、PIL等，下面比較幾種讀寫方式，旨在選出一個最快的方式，提升訓練速度，

實驗標準

　　因為訓練使用的框架是Pytorch，因此讀取的實驗標準如下：

　　1、讀取解析度都為1920x1080的5張圖片(png格式一張，jpg格式四張)并保存到陣列，

　　2、將讀取的陣列轉換為維度順序為CxHxW的Pytorch張量，并保存到顯存中(我使用GPU訓練)，其中三個通道的順序為RGB，

　　3、記錄各個方法在以上操作中所耗費的時間，因為png格式的圖片大小差不多是質量有微小差異的jpg格式的10倍，所以資料集通常不會用png來保存，就不比較這兩種格式的讀取時間差異了，

　　寫入的實驗標準如下：

　　1、將5張1920x1080的5張影像對應的Pytorch張量轉換為對應方法可使用的資料型別陣列，

　　2、以jpg格式保存五張圖片，

　　3、記錄各個方法保存圖片所耗費的時間，

實驗情況

cv2

　　因為有GPU，所以cv2讀取圖片有兩種方式：

　　1、先把圖片都讀取為一個numpy陣列，再轉換成保存在GPU中的pytorch張量，

　　2、初始化一個保存在GPU中的pytorch張量，然后將每張圖直接復制進這個張量中，

　　第一種方式實驗代碼如下：

import os, torch
import cv2 as cv 
import numpy as np 
from time import time 
 
read_path = 'D:test'
write_path = 'D:test\\write\\'
 
# cv2讀取 1
start_t = time()
imgs = np.zeros([5, 1080, 1920, 3])
for img, i in zip(os.listdir(read_path), range(5)): 
  img = cv.imread(filename=os.path.join(read_path, img))
  imgs[i] = img   
imgs = torch.tensor(imgs).to('cuda')[...,[2,1,0]].permute([0,3,1,2])/255 
print('cv2 讀取時間1：', time() - start_t) 
# cv2保存
start_t = time()
imgs = (imgs.permute([0,2,3,1])[...,[2,1,0]]*255).cpu().numpy()
for i in range(imgs.shape[0]): 
  cv.imwrite(write_path + str(i) + '.jpg', imgs[i])
print('cv2 保存時間：', time() - start_t) 

　　實驗結果：

cv2 讀取時間1： 0.39693760871887207
cv2 保存時間： 0.3560612201690674

　　第二種方式實驗代碼如下：

import os, torch
import cv2 as cv 
import numpy as np 
from time import time 
 
read_path = 'D:test'
write_path = 'D:test\\write\\'
 
 
# cv2讀取 2
start_t = time()
imgs = torch.zeros([5, 1080, 1920, 3], device='cuda')
for img, i in zip(os.listdir(read_path), range(5)): 
  img = torch.tensor(cv.imread(filename=os.path.join(read_path, img)), device='cuda')
  imgs[i] = img   
imgs = imgs[...,[2,1,0]].permute([0,3,1,2])/255 
print('cv2 讀取時間2：', time() - start_t) 
# cv2保存
start_t = time()
imgs = (imgs.permute([0,2,3,1])[...,[2,1,0]]*255).cpu().numpy()
for i in range(imgs.shape[0]): 
  cv.imwrite(write_path + str(i) + '.jpg', imgs[i])
print('cv2 保存時間：', time() - start_t) 

　　實驗結果：

cv2 讀取時間2： 0.23636841773986816
cv2 保存時間： 0.3066873550415039

matplotlib

　　同樣兩種讀取方式，第一種代碼如下：

import os, torch 
import numpy as np
import matplotlib.pyplot as plt 
from time import time 
 
read_path = 'D:test'
write_path = 'D:test\\write\\'
 
# matplotlib 讀取 1
start_t = time()
imgs = np.zeros([5, 1080, 1920, 3])
for img, i in zip(os.listdir(read_path), range(5)): 
  img = plt.imread(os.path.join(read_path, img)) 
  imgs[i] = img    
imgs = torch.tensor(imgs).to('cuda').permute([0,3,1,2])/255  
print('matplotlib 讀取時間1：', time() - start_t) 
# matplotlib 保存
start_t = time()
imgs = (imgs.permute([0,2,3,1])).cpu().numpy()
for i in range(imgs.shape[0]):  
  plt.imsave(write_path + str(i) + '.jpg', imgs[i])
print('matplotlib 保存時間：', time() - start_t) 

　　實驗結果：

matplotlib 讀取時間1： 0.45380306243896484
matplotlib 保存時間： 0.768944263458252

　　第二種方式實驗代碼：

import os, torch 
import numpy as np
import matplotlib.pyplot as plt 
from time import time 
 
read_path = 'D:test'
write_path = 'D:test\\write\\'
 
# matplotlib 讀取 2
start_t = time()
imgs = torch.zeros([5, 1080, 1920, 3], device='cuda')
for img, i in zip(os.listdir(read_path), range(5)): 
  img = torch.tensor(plt.imread(os.path.join(read_path, img)), device='cuda')
  imgs[i] = img    
imgs = imgs.permute([0,3,1,2])/255  
print('matplotlib 讀取時間2：', time() - start_t) 
# matplotlib 保存
start_t = time()
imgs = (imgs.permute([0,2,3,1])).cpu().numpy()
for i in range(imgs.shape[0]):  
  plt.imsave(write_path + str(i) + '.jpg', imgs[i])
print('matplotlib 保存時間：', time() - start_t) 

　　實驗結果：

matplotlib 讀取時間2： 0.2044532299041748
matplotlib 保存時間： 0.4737534523010254

　　需要注意的是，matplotlib讀取png格式圖片獲取的陣列的數值是在$[0, 1]$范圍內的浮點數，而jpg格式圖片卻是在$[0, 255]$范圍內的整數，所以如果資料集內圖片格式不一致，要注意先轉換為一致再讀取，否則資料集的預處理就麻煩了，

PIL

　　PIL的讀取與寫入并不能直接使用pytorch張量或numpy陣列，要先轉換為Image型別，所以很麻煩，時間復雜度上肯定也是占下風的，就不實驗了，

torchvision

　　torchvision提供了直接從pytorch張量保存圖片的功能，和上面讀取最快的matplotlib的方法結合，代碼如下：

import os, torch  
import matplotlib.pyplot as plt 
from time import time 
from torchvision import utils 

read_path = 'D:test'
write_path = 'D:test\\write\\'
 
# matplotlib 讀取 2
start_t = time()
imgs = torch.zeros([5, 1080, 1920, 3], device='cuda')
for img, i in zip(os.listdir(read_path), range(5)): 
  img = torch.tensor(plt.imread(os.path.join(read_path, img)), device='cuda')
  imgs[i] = img    
imgs = imgs.permute([0,3,1,2])/255  
print('matplotlib 讀取時間2：', time() - start_t) 
# torchvision 保存
start_t = time() 
for i in range(imgs.shape[0]):   
  utils.save_image(imgs[i], write_path + str(i) + '.jpg')
print('torchvision 保存時間：', time() - start_t) 

　　實驗結果：

matplotlib 讀取時間2： 0.15358829498291016
torchvision 保存時間： 0.14760661125183105

　　可以看出這兩個是最快的讀寫方法，另外，要讓圖片的讀寫盡量不影響訓練行程，我們還可以讓這兩個程序與訓練并行，另外，utils.save_image可以將多張圖片拼接成一張來保存，具體使用方法如下：

utils.save_image(tensor = imgs,     # 要保存的多張圖片張量 shape = [n, C, H, W]
                 fp = 'test.jpg',   # 保存路徑
                 nrow = 5,          # 多圖拼接時，每行所占的圖片數
                 padding = 1,       # 多圖拼接時，每張圖之間的間距
                 normalize = True,  # 是否進行規范化，通常輸出影像用tanh，所以要用規范化 
                 range = (-1,1))    # 規范化的范圍