Czy wydajność różni się między Pythonem A C++ kodowaniem OpenCV?

Wszystkie wyniki google dla openCV mówią to samo: python będzie tylko nieco wolniejszy. Ale ani razu nie widziałem żadnego profilowania na ten temat. Więc postanowiłem zrobić trochę i odkryłem:

Python jest znacznie wolniejszy niż C++ z opencv, nawet dla trywialnych programów.

Najprostszym przykładem, jaki mogłem wymyślić, było wyświetlenie na ekranie wyjścia kamery internetowej i wyświetlenie liczby klatek na sekundę. W Pythonie osiągnąłem 50FPS (na Intel atomie). Z C++ mam 65FPS, wzrost o 25%. W obu przypadkach użycie procesora wykorzystywało pojedynczy rdzeń i według mojej najlepszej wiedzy było związane z wydajnością procesora. Dodatkowo ten przypadek testowy jest zgodny z tym, co widziałem w projektach, które przeportowałem z jednego do drugiego w przeszłości.

Zanim wyrzucisz Pythona przez okno: python jest znacznie szybszy w rozwoju, a jeśli nie masz ograniczeń sprzętowych lub jeśli rozwój jest ważniejszy niż wydajność, użyj Pythona. W wielu aplikacjach, które zrobiłem z openCV, zacząłem w Pythonie, a później przekonwertowałem tylko wizję komputera komponenty do C++ (np. korzystanie z modułu ctype Pythona i kompilacja kodu CV do biblioteki współdzielonej).

Kod Pythona:

import cv2
import time

FPS_SMOOTHING = 0.9

cap = cv2.VideoCapture(2)
fps = 0.0
prev = time.time()
while True:
    now = time.time()
    fps = (fps*FPS_SMOOTHING + (1/(now - prev))*(1.0 - FPS_SMOOTHING))
    prev = now

    print("fps: {:.1f}".format(fps))

    got, frame = cap.read()
    if got:
        cv2.imshow("asdf", frame)
    if (cv2.waitKey(2) == 27):
        break

Kod C++:

#include <opencv2/opencv.hpp>
#include <stdint.h>

using namespace std;
using namespace cv;

#define FPS_SMOOTHING 0.9

int main(int argc, char** argv){
    VideoCapture cap(2);
    Mat frame;

    float fps = 0.0;
    double prev = clock(); 
    while (true){
        double now = (clock()/(double)CLOCKS_PER_SEC);
        fps = (fps*FPS_SMOOTHING + (1/(now - prev))*(1.0 - FPS_SMOOTHING));
        prev = now;

        printf("fps: %.1f\n", fps);

        if (cap.isOpened()){
            cap.read(frame);
        }
        imshow("asdf", frame);
        if (waitKey(2) == 27){
            break;
        }
    }
}

Możliwe ograniczenia benchmarku:

• Liczba klatek na sekundę w aparacie
• Timer precyzja pomiaru
• Czas spędzony na formatowaniu druku

W odpowiedzi z sdfgeoff brakuje faktu, że Można ponownie używać tablic w Pythonie. Przydziel je i przekaż, A się przyzwyczają. Więc:

    image = numpy.zeros(shape=(height, width, 3), dtype=numpy.uint8)
    #....
    retval, _ = cv.VideoCapture.read(image)

Masz rację, Python jest prawie zawsze znacznie wolniejszy od C++ , ponieważ wymaga interpretera, którego C++ nie ma. Wymaga to jednak silnego pisania C++, co pozostawia znacznie mniejszy margines błędu. Niektórzy ludzie wolą być zmuszeni do ścisłego kodowania, podczas gdy inni cieszą się nieodłączną pobłażliwością Pythona.

Jeśli chcesz mieć pełny dyskurs na temat stylów kodowania Pythona a stylów kodowania C++, to nie jest najlepsze miejsce, spróbuj znaleźć artykuł.

Edytuj: Ponieważ Python jest język interpretowany, natomiast C++ jest kompilowany do kodu maszynowego, ogólnie rzecz biorąc, możesz uzyskać korzyści z wydajności za pomocą C++. Jednak w odniesieniu do korzystania z OpenCV, podstawowe biblioteki OpenCV są już skompilowane do kodu maszynowego, więc owijarka Pythona wokół biblioteki OpenCV wykonuje skompilowany kod. Innymi słowy, jeśli chodzi o wykonywanie obliczeniowo drogich algorytmów OpenCV z Pythona, nie zobaczysz dużego hitu wydajności, ponieważ zostały już skompilowane pod kątem konkretnej architektury, z którą pracujesz.