Python 將 PIL 圖像轉換為 numpy 數組非常慢

Question

我正在評估開放 cv 視頻幀上的 Tensorflow 模型。 我需要將傳入的 PIL 圖像重塑為重塑的 numpy 數組，以便我可以對其進行推理。 但是我看到在我的筆記本電腦上將 PIL 圖像轉換為 numpy 數組大約需要 900 多毫秒，內存為 16 GiB 和 2.6 GHz Intel Core i7 處理器。 我需要將其縮短到幾毫秒，以便我可以在我的相機上每秒處理多個幀。

誰能建議如何使以下方法運行得更快？

def load_image_into_numpy_array(pil_image):
    (im_width, im_height) = pil_image.size
    data = pil_image.getdata()

    data_array = np.array(data)

    return data_array.reshape((im_height, im_width, 3)).astype(np.uint8)

在進一步的檢測中，我意識到np.array(data)占用了大部分時間......接近 900+ 毫秒。 所以將圖像數據轉換為 numpy 數組才是真正的罪魁禍首。

Answer 1

您可以讓 numpy 處理轉換而不是重塑自己。

def pil_image_to_numpy_array(pil_image):
    return np.asarray(pil_image)  

您正在將圖像轉換為（高度、寬度、通道）格式。 這是對 PIL 圖像執行的默認轉換 numpy.asarray 函數，因此不需要顯式整形。

Answer 2

非常感謝！！ 它的工作速度非常快！

def load_image_into_numpy_array(path):
    """Load an image from file into a numpy array.

    Puts image into numpy array to feed into tensorflow graph.
    Note that by convention we put it into a numpy array with shape
    (height, width, channels), where channels=3 for RGB.

    Args:
    path: a file path (this can be local or on colossus)

    Returns:
    uint8 numpy array with shape (img_height, img_width, 3)
    """
    img_data = tf.io.gfile.GFile(path, 'rb').read()
    image = Image.open(BytesIO(img_data))

    return np.array(image)

帶有 (3684, 4912, 3) 的圖像需要 0.3~0.4 秒。