PythonのCIE DE2000計算速度比較

みんな大好き速度比較

色差式CIE DE2000は、人間の知覚にかなり近い値を得られるが、そのかわり計算が重い。Pythonですぐに使えるパッケージ3つの速度を比較してみた。

• scikit-image
• colour-science
• colormath

sRGBの[32,32,32]と[32,31,32]を比較する。3つとも色差関数が引数に取るのはLabなので、計算時間にはsRGB→Labの変換も含む。

import numpy as np
import timeit

RGB1 = np.array([32,32,32],np.uint8)
RGB2 = np.array([32,31,32],np.uint8)

from skimage import color
def skimage_rgb2lab(rgb):
	return color.rgb2lab(rgb.reshape(1,1,3))
ski = timeit.timeit('color.deltaE_ciede2000(skimage_rgb2lab(RGB1), skimage_rgb2lab(RGB2))', globals=globals(), number=1000)
print(f'skimage.color: {ski} millisecond.')

from colormath.color_diff import delta_e_cie2000 as cm_delta_e_cie2000
from colormath.color_objects import sRGBColor as cm_sRGBColor, LabColor as cm_LabColor
from colormath.color_conversions import convert_color as cm_convert_color
def colormath_rgb2lab(rgb):
	return cm_convert_color(cm_sRGBColor(*(rgb / 255)), cm_LabColor, target_illuminant='d65')

cm = timeit.timeit('cm_delta_e_cie2000(colormath_rgb2lab(RGB1), colormath_rgb2lab(RGB2))', globals=globals(), number=1000)
print(f'colormath: {cm} millisecond.')

import colour as cs
cs_d65 = cs.ILLUMINANTS['CIE 1931 2 Degree Standard Observer']['D65']
def cs_rgb2lab(rgb):
	return cs.XYZ_to_Lab(cs.sRGB_to_XYZ(rgb / 255, chromatic_adaptation_method='Bradford', illuminant=cs_d65), illuminant=cs_d65)

colour_science = timeit.timeit('cs.difference.delta_E_CIE2000(cs_rgb2lab(RGB1), cs_rgb2lab(RGB2))', globals=globals(), number=1000)
print(colour-science: {colour_science} millisecond.')

結果

skimage.color: 0.306773 millisecond.
colormath: 0.29326620000000014 millisecond.
colour-science: 0.5313292000000001 millisecond.

わずかにcolormathが勝ったが、Numpy前提ではないパッケージなので、画像データだとscikit-imageが逆転すると思う。colour-scienceはCIECAM02に対応していたりと多機能なので、速度はダメらしい。