PythonのOpenCVとPillowで掲題の処理に掛かる時間を計測して比較してみました。
結論
- OpenCVのほうが2割ほど早い
- ただし、処理によってどちらが早いかは異なる可能性があるので、処理内容が異なる場合は計測してみるほうが良い。
環境
- OS: macOS Mojave 10.14.6
- CPU: Intel Core i5
- Python: 3.7.3
- cv2: 4.1.1
- PIL: 6.1.0
- JupyterLab（1.0.9）上にて実行
対象とする画像
現在、画像サイズが大きいのデータセットで学習していて気になって調べたという経緯なので、大きめのものを使いました。私のスマホでその場で適当に撮影したオフィスの天井です。
512KB、4160 × 3120、 RGBです。
コード
import numpy as np
import cv2
import PIL
from PIL import Image
from line_profiler import LineProfiler
image_path = './ceiling.jpg'
resize_h = 512
resize_w = 512
def cv2_bench(image_path, resize_h, resize_w):
im = cv2.imread(image_path)
resized = cv2.resize(im, (resize_h, resize_w))
np_im = cv2.cvtColor(resized, cv2.COLOR_BGR2RGB) / 255.
return np_im
def pil_bench(image_path, resize_h, resize_w):
im = Image.open(image_path)
resized = im.resize((resize_w, resize_h))
np_im = np.asarray(resized.convert('RGB')) / 255.
return np_im
計測結果
%%timeitにて計測した結果
cv2
- 実行コード
%%timeit
cv2_bench(image_path, resize_h, resize_w)
- 結果
100 ms ± 1.8 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
PIL
- 実行コード
%%timeit
pil_bench(image_path, resize_h, resize_w)
- 結果
122 ms ± 1.43 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)
line_profilerを使った結果
cv2
- 実行コード
prof = LineProfiler()
prof.add_function(cv2_bench)
for _ in range(100):
prof.runcall(cv2_bench, image_path, resize_h, resize_w)
prof.print_stats(output_unit=1e-6)
- 結果
Timer unit: 1e-06 s
Total time: 9.78859 s
File: <ipython-input-5-f3195f6f8fbd>
Function: cv2_bench at line 1
Line # Hits Time Per Hit % Time Line Contents
==============================================================
1 def cv2_bench(image_path, resize_h, resize_w):
2 100 9592910.0 95929.1 98.0 im = cv2.imread(image_path)
3 100 93328.0 933.3 1.0 resized = cv2.resize(im, (resize_h, resize_w))
4 100 102205.0 1022.0 1.0 np_im = cv2.cvtColor(resized, cv2.COLOR_BGR2RGB) / 255.
5 100 143.0 1.4 0.0 return np_im
PIL
- 実行コード
prof = LineProfiler()
prof.add_function(pil_bench)
for _ in range(100):
prof.runcall(pil_bench, image_path, resize_h, resize_w)
prof.print_stats(output_unit=1e-6)
- 結果
Timer unit: 1e-06 s
Total time: 12.2011 s
File: <ipython-input-6-3d3ad2a2f650>
Function: pil_bench at line 1
Line # Hits Time Per Hit % Time Line Contents
==============================================================
1 def pil_bench(image_path, resize_h, resize_w):
2 100 119025.0 1190.2 1.0 im = Image.open(image_path)
3 100 11924871.0 119248.7 97.7 resized = im.resize((resize_w, resize_h))
4 100 157020.0 1570.2 1.3 np_im = np.asarray(resized.convert('RGB')) / 255.
5 100 148.0 1.5 0.0 return np_im
まとめ
line_profilerの結果を見ると100回の実行で、2.4秒ほどOpenCVのほうが早い結果となりました。
10万回実行だと、単純計算で40分ほど早いということになります。
実際に学習等で使う場合は、複数プロセスでの実行やPillow-SIMDの利用なども検討すべきかと思いますが、ベースがわかってよかったと思います。
また余談ですが、今回の結果を見てPIL.Image.open()がlazy operationだと知りました。
参考： https://pillow.readthedocs.io/en/3.1.x/reference/Image.html