1.測定性能OpenCVの
1.1一般的に使用される機能：
RETVAL = cv.getTickCount（）
RETVAL = cv.getTickFrequency（）
1.2修正された書き込み：
＃使用のGetTickCount（）取得する時間 E1 = cv.getTickCountを（） ＃CODE E2 = cv.getTickCount（） 時間 =（E2 - E1）/ cv.getTickFrequency（） 印刷秒（タイム）＃結果
＃の使用time.clock（）タイマー スタート = time.clock（） ＃CODE 経過=（time.clock（） - スタート）
を印刷秒（タイム）＃結果
デフォルトの2.OpenCVの最適化
多くのOpenCVの関数は、最適化などSSE2、AVXを使用します。また、暗号化されていないコードが含まれています。だから、私たちのシステムはこれらの機能をサポートしている場合、我々は（ほぼすべての近代的なプロセッサがそれらをサポート）、それらを使用する必要があります。これは、コンパイル時にデフォルトで有効になっています。したがって、OpenCVの最適化されたコードを有効にした場合、コードはそれ以外の場合は非最適化されたコードを実行する、最適化を実行します。あなたはそれを無効/有効にする）（有効/それを無効にし、cv.setuseoptimizationを使用するかどうかをチェックするために）（cv.useoptimizationを使用することができます。
通常の状況下でOpenCVのは、numpyの機能よりも速く機能します。したがって、同一の動作のために、好ましくはOpenCVの関数で使用されています。動作させるためにnumpyの（コピーされません）を表示するために使用され、特に例外があります。
3. Ipythonにおける検出効率
時にはあなたは、2つの類似の動作性能を比較する必要があるかもしれません。IPythonは、これを行うための魔法のコマンドはtimeitを提供しています。これは、より正確な結果を得るために、低数のコードを実行します。同様に、彼らはまた、単一のコード行を測定するのに適しています。
Pythonのスカラ演算速くnumpyのスカラ演算よりも。したがって、動作のためにnumpyのスカラー配列より一つまたは二つの要素、パイソンを含みます。配列のサイズは、それがわずかに大きいときとき、numpyの役割を果たします。
我々はポイントでケースを試してみました。今回は、同じ画像cv.countNonZero（）とnp.count_nonzero（）パフォーマンスを比較します。
[35]中：％はtimeit Z = cv.countNonZero（IMG） 100000のループ、3の最もよい：15.8 ループあたり米国 【で 36]：％はtimeit Z = np.count_nonzero（IMG） 1000のループ、3のベスト：370 USループあたり
numpyの機能よりも25倍高速OpenCVの機能。
通常、OpenCVのはnumpyの機能よりも速く機能します。このように、同じ動作のために、OpenCVの関数であることが好ましいです。ただし、例外はnumpyのではなく、コピーのビューを使用する場合は特に、あります。
4.効率の最適化
- ループ、特にダブル、トリプルループを使用しないようにしてください、彼らは本質的に非常に遅いです。
- numpyのとOpenCVのは、ベクトル演算用に最適化されているので、アルゴリズムは、ベクトル演算を利用します。
- キャッシュ・コヒーレンシを使用します。
- その後、配列をコピーしていない、必要はありません。レプリケーションの代わりにビューを使用してください。コピー配列は、リソースの非常に無駄です。