0. 应用场景

在Pytorch代码中，我们构建Dataset类时在‘getitem’方法中需要有读取数据的操作，而模型训练和预测过程中，数据的读取会占用一部分时间。何况数据集中有成千上万张图像，因此读取速度的快慢会影响模型训练和预测时的效率。

在代码中有两种常见的图片数据读取方式：opencv和PIL的Image读取。而opencv读取的数据直接是np.ndarray类型的，而PIL读取的数据是Image的class，还需要np.asarray()转换才行。

下面来检测下两者的读取速度差异：

1. 代码检测

分别读取同样尺寸（500x442）的jpg和png图像100次，如下：

import cv2
from PIL import Image
import os
import time
import numpy as np

if __name__ == '__main__':
    # 比较PIL和opencv读取jpg图片到numpy.ndarray的速度
    jpg_dir = os.path.join('..', 'data', '2008_000008.jpg')
    png_dir = os.path.join('..', 'data', '2008_000008.png')

    t_jpg_cv = time.time()
    for i in range(100):
        img = cv2.imread(jpg_dir)  # 默认np.dtype=uint8
    print(f"opencv读取jpg图片100次用时：{time.time()-t_jpg_cv:.5f}s")

    t_jpg_pil = time.time()
    for i in range(100):
        img = np.asarray(Image.open(jpg_dir), dtype=np.uint8)  # Image读取的图片不是np.ndarray，需要转换
    print(f"PIL读取jpg图片100次用时：{time.time() - t_jpg_pil:.5f}s")

    t_png_cv = time.time()
    for i in range(100):
        img = cv2.imread(png_dir)
    print(f"opencv读取png图片100次用时：{time.time() - t_png_cv:.5f}s")

    t_png_pil = time.time()
    for i in range(100):
        img = np.asarray(Image.open(png_dir))  # Image读取的图片不是np.ndarray，需要转换
    print(f"PIL读取png图片100次用时：{time.time() - t_png_pil:.5f}s")

结果：

因此，结论是，对于将图像（不论是jpg还是png格式）以np.ndarray()方式读入内存，PIL在速度上比opencv更高效。 因此我之后会选用PIL读取图片。

另外，我之前在有的博客里看到有人说PIL读取不如opencv高效，可我实验证明貌似不是这样的。但也有可能是我有些地方考虑不周，希望不吝赐教。