OpenCV-Python實戰（番外篇）——OpenCV、NumPy和Matplotlib直方圖比較

前言

在《OpenCV-Python實戰（7）——直方圖詳解（??萬字長文，含大量示例??）》中，我們學習了使用 OpenCV 提供的 cv2.calcHist() 函式來計算直方圖，此外，NumPy 和 Matplotlib 同樣也為創建直方圖提供了類似的函式，出于提高性能目的，我們來比較這些函式，使用 OpenCV、NumPy 和 Matplotlib 創建直方圖，然后測量每個直方圖計算的執行時間并將結果繪制在圖形中，

OpenCV、NumPy和Matplotlib灰度直方圖比較

使用 timeit.default_timer 測量執行時間，因為它會自動提供系統平臺和 Python 版本上可用的最佳時鐘，首先將其匯入：

from timeit import default_timer as timer

可以使用以下方法計算程式的執行時間：

start = timer()
# 程式執行
end = timer()
execution_time = start - end

考慮到 default_timer() 測量值可能會受到同時運行的其他程式的影響，因此，獲取準確計時的最佳方法是重復數次并使用最佳時間，
而為了計算和比較直方圖，我們需要使用以下函式：

1. OpenCV 提供 cv2.calcHist() 函式
2. NumPy 提供的 np.histogram() 函式
3. Matplotlib 提供的 plt.hist() 函式

用于計算上述每個函式的執行時間的代碼如下：

import numpy as np
import cv2
from matplotlib import pyplot as plt
from timeit import default_timer as timer


def 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)

# 計算 cv2.calcHist() 執行時間
start = timer()
hist = cv2.calcHist([gray_image], [0], None, [256], [0, 256])
end = timer()
# 乘以1000將單位轉換為毫秒
exec_time_calc_hist = (end - start) * 1000

# 計算 np.histogram() 執行時間
start = timer()
hist_np, bin_np = np.histogram(gray_image.ravel(), 256, [0, 256])
end = timer()
exec_time_np_hist = (end - start) * 1000

# 計算 plt.hist() 執行時間
start = timer()
# 呼叫 plt.hist() 計算直方圖
(n, bins, patches) = plt.hist(gray_image.ravel(), 256, [0, 256])
end = timer()
exec_time_plt_hist = (end - start) * 1000

# 繪制灰度圖及其直方圖
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()

OpenCV、NumPy和Matplotlib顏色直方圖比較

對比顏色直方圖的方法與灰度直方圖類似：

import numpy as np
import cv2
from matplotlib import pyplot as plt
from timeit import default_timer as timer


def 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')

# 計算 cv2.calcHist() 執行時間
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 histr

hist= hist_color_img(image)
end = timer()
exec_time_calc_hist = (end - start) * 1000

# 計算 np.histogram() 執行時間
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

# 計算 plt.hist 執行時間
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

# 繪制影像及其顏色直方圖
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()

由上面兩個實體可以看出，cv2.calcHist() 的執行速度比 np.histogram() 和 plt.hist() 都快，因此，出于性能考慮，在計算影像直方圖時可以使用 OpenCV 函式，

相關鏈接

《OpenCV-Python實戰（7）——直方圖詳解（??萬字長文，含大量示例??）》