使用OpenCV检测程序效率

cv2.getTickCount()函数返回从参考点到这个函数被执行的时钟数；cv2.getTickFrequency()返回时钟频率。

 

t1=cv2.getTickCount()

t2=cv2.getTickCount()

time=(t2-t1)/cv2.getTickFrequency()

 

示例：使用窗口大小不同的（5,7,9..）的核函数做中值滤波：

 

#-*-coding：utf-8-*-

Import cv2

Import numpy as np

 

Img1=cv2.imread(“roi.jpg”)

t1=cv2.getTickCount()

for  i in  xrange(5,49,2)

         img1=cv2.medianBlur(img1,i)

t2=cv2.getTickCount()

time=(t2-t1)/cv2.getTickFrequency()

 
函数返回处理结果，第一个参数是待处理图像，第二个参数是孔径的尺寸，一个大于1的奇数。比如这里是i，中值滤波器就会使用i×i的范围来计算。即对像素的中心值及其i×i邻域组成了一个数值集，对其进行处理计算，当前像素被其中值替换掉。如果在某个像素周围有白色或黑色的像素，这些白色或黑色的像素不会选择作为中值（最大或最小值不用），而是被替换为邻域值。
 

由于中值滤波不会处理最大和最小值，所以就不会受到噪声的影响。相反，如果直接采用blur进行均值滤波，则不会区分这些噪声点，滤波后的图像会受到噪声的影响。中值滤波器在处理边缘也有优势。但中值滤波器会清除掉某些区域的纹理（如背景中的树）。