踩坑记录 | 发现了OpenCV-Python执行比C++慢几百倍的原因

点击上方蓝字关注我们

微信公众号：OpenCV学堂
关注获取更多计算机视觉与深度学习知识

联通组件算子(CCL)

连接组件标记算法(connected component labeling algorithm)是图像分析中最常用的算法之一，算法的实质是扫描一幅图像的每个像素，对于像素值相同的分为相同的组(group)，最终得到图像中所有的像素连通组件。扫描的方式可以是从上到下，从左到右，对于一幅有N个像素的图像来说，最大连通组件个数为N/2。扫描是基于每个像素单位，对于二值图像而言，连通组件集合可以是V={1|白色}或者V={0|黑色}, 取决于前景色与背景色的不同。对于灰度图像来说，连图组件像素集合可能是一系列在0 ～ 255之间k的灰度值。OpenCV中相关的两个函数分别是：

int cv::connectedComponents(  InputArray  image, // 输入二值图像，黑色背景  OutputArray     labels, // 输出的标记图像，背景index=0  int     connectivity = 8, // 连通域，默认是8连通  int     ltype = CV_32S // 输出的labels类型，默认是CV_32S)

带统计信息的联通组件标记函数

int cv::connectedComponentsWithStats(InputArray  image, // 输入二值图像，黑色背景OutputArray     labels, // 输出的标记图像，背景index=0OutputArray     stats, // 统计信息，包括每个组件的位置、宽、高与面积OutputArray     centroids, // 每个组件的中心位置坐标cx, cyint     connectivity, // 寻找连通组件算法的连通域，默认是8连通int     ltype, // 输出的labels的Mat类型CV_32Sint     ccltype // 连通组件算法)

在OpenCV实验大师中封装的第二个函数支持。

不同速度现象对比

最近用户群里有个人跟我说，它有个二值化的图像，然用了OpenCV实验大师的联通组件算子，发现特别耗时，3200x3200大小的图像，耗时居然是几十秒，然后我让他把图发我，我自己测试了一下，发现的确是的。

然后我就把这个保存为流程文件，到的C++引擎库中又测试了一下，发现速度很快，截图如下：

只需要不到50毫秒，而Python版本的居然比C++版本慢了几百倍，我觉得肯定是Python版本哪里实现有不合理的代码，于是我开启了端点执行，单步打印调试….

查找问题与代码修改

通过我一通对比自己实现的C++ 与Python代码发现，无论是C++ 还是Python里面调用OpenCV函数都在十几毫秒可以完成，所以Python实现中20多秒的时间损耗肯定来自于Python代码本身，应该与OpenCV无关，一通DEBUG之后我发现是我最后给标签图像赋值颜色的代码造成的，代码如下：