本文共 942 字，大约阅读时间需要 3 分钟。

# coding: utf-8 # !/usr/bin/python"""@File       :   程序性能检测及其优化.py@Author     :   jiaming@Modify Time:   2020/1/30 12:28    @Contact    :   https://blog.csdn.net/weixin_39541632@Version    :   1.0@Desciption :   检测程序的效率                cv2.getTickCount    从参考点到这个函数被执行的时钟数                cv2.getTickFrequency   返回时钟频率"""import os, sysimport numpy as npimport cv2from matplotlib import pyplot as pltrawPath = os.path.abspath(__file__)currentFile = os.path.basename(sys.argv[0]) # figure.pydataPath = rawPath[:rawPath.find(currentFile)] + r'static\\'e1 = cv2.getTickCount()# your code executione2 = cv2.getTickCount()time = (e2 - e1) / cv2.getTickFrequency()# cv2.useOptimized() 来查看优化是否被开启了# cv2.setUseOptimized() 来开启优化# Python 的标量计算比 Numpy 的标量计算要快。# 对于仅包含一两个元素的操作 Python 的标量比 Numpy 的数组要快。但是当数组稍微大一些的时候 Numpy就胜出了# 一般情况下 OpenCV 的函数要比 Numpy 函数快。所以对于相同的操作最好使用 OpenCV 的函数。# 1.尽量避免循环# 2.尽量使用向量操作# 3.利用高速缓存的一致性# 4.没有必要的话就不要复制数组。使用视图来代替复制。数组复制是非常浪费资源的。

转载地址：https://jiaming.blog.csdn.net/article/details/104114113 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！