OpenCV、NumPy和Matplotlib直方图比较

「这是我参与11月更文挑战的第26天，活动详情查看：2021最后一次更文挑战」

前言

使用 OpenCV 提供的 cv2.calcHist() 函数可以用来计算直方图。此外，NumPy 和 Matplotlib 同样也为创建直方图提供了类似的函数。出于提高性能目的，我们来比较这些函数，使用 OpenCV、NumPy 和 Matplotlib 创建直方图，然后测量每个直方图计算的执行时间并将结果绘制在图形中，比较不同库中计算直方图的不同效率。

OpenCV、NumPy和Matplotlib灰度直方图比较

使用 timeit.default_timer 测量执行时间，因为它会自动提供系统平台和 Python 版本上可用的最佳时钟，为了使用 timeit.default_timer 测量执行时间，首先需要将其导入：

from timeit import default_timer as timer
复制代码

可以使用以下方法计算程序的执行时间：

start = timer()
# 程序执行
end = timer()
execution_time = start - end
复制代码

考虑到 default_timer() 测量值可能会受到同时运行的其他程序的影响。因此，获取准确计时的最佳方法是重复数次并使用最佳时间。当让，我们也可以采用其他方法来测量更加精确的时间，例如多次重复运行取平均值，或者其他更加有效避免异常的方法，在这里为了简单起见，我们重复数次并使用最佳时间。

而为了计算和比较直方图，我们需要使用以下函数：

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

用于计算上述每个函数的执行时间的代码如下所示。首先，导入所需库：

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

然后编写可视化函数，在同一图中显示运行结果，进行更好的对比：

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')
复制代码

接下来，就是程序的最关键部分了，使用不同库中计算直方图的方法，并获取程序运行时间：

image = cv2.imread('example.png')
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 计算 cv2.calcHist() 执行时间
start = timer()
hist = cv2.calcHist([gray_image], [0], None, [256], [0, 256])
end = timer()
# 乘以1000将单位转换为毫秒
exec_time_calc_hist = (end - start) * 1000

# 计算 np.histogram() 执行时间
start = timer()
hist_np, bin_np = np.histogram(gray_image.ravel(), 256, [0, 256])
end = timer()
exec_time_np_hist = (end - start) * 1000

# 计算 plt.hist() 执行时间
start = timer()
# 调用 plt.hist() 计算直方图
(n, bins, patches) = plt.hist(gray_image.ravel(), 256, [0, 256])
end = timer()
exec_time_plt_hist = (end - start) * 1000
复制代码

最后，我们绘制灰度图及其直方图：

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()
复制代码

由上面实例可以看出，cv2.calcHist() 的执行速度比 np.histogram() 和 plt.hist() 都快。因此，出于性能考虑，在计算图像直方图时可以使用 OpenCV 函数。