영상처리 프로그램 작성하면서 OpenCV 라이브러리를 많이 사용함
C++에서 지원되는 라이브러리 였는데, Python에서도 잘 됨
그래서, Python 사용할 줄 아는 사람들이 이미지 관련 프로그래밍 할 때 자주 사용함
Python의 OpenCV는 사실 C++ 라이브러리가 내장된 것임.
무슨 말이냐면, Python에서 OpenCV 함수를 호출하면, 해당되는 C++ OpenCV 함수가 호출되는 것임.
Python으로 작성한 이미지 프로그램과 C++로 동일한 것을 작성한 것 중 어느 것이 빠를까 하는 질문이 생긴다면,
당연히도, C++로 작성한 것이 조금 더 빠르지 않을까 예상하게 됨.
Python에서 C++ 라이브러리를 호출하는 오버헤드를 고려하면 당연한 예상임.
그런데, 예상이 늘 맞지는 않음.
간단한 예제 프로그램으로 실험을 해 보았음.
이것은 이미지 한 장을 읽어 들인 후에, 여기에 Gaussian blurring 을 500번 반복 적용하는 것임.
Gaussian blurring은 이미지 효과 처리 방법 하나로, 이미지를 흐릿하게 (blurring) 하는 것임.
이 프로그램을 python과 C++로 작성해 보았음.
Windows 11 환경에서 Python은 Visual studio code, C++는 Visual studio 2022에서 작성하였음.
Python은 3.12 버전에 OpenCV 4.10을 pip로 설치하였음.
C++도 OpenCV 4.10 compiled version을 다운로드 받아서 설치하였음.
특히, C++는 release 모드로 컴파일 하였음.
아래는 Python으로 작성한 것임.
import cv2
import time
# Load image
image = cv2.imread("test.jpg")
# Start timer
start = time.time()
# Apply Gaussian Blur 500 times
for _ in range(500):
image = cv2.GaussianBlur(image, (5, 5), 0)
# End timer
end = time.time()
print(cv2.getBuildInformation())
print(f"Time elapsed: {end - start:.4f} seconds")test.jpg 사진을 읽어들여, 반복적으로 Gaussian blurring을 500번 적용하는데 걸리는 시간을 측정하는 것임.
test.jpg 사진의 크기는 대출 1400 x 1600 정도되는 컬러 사진임.
아래는 동일한 일을 수행하는 C++ 프로그램임.
#include <opencv2/opencv.hpp>
#include <iostream>
#include <chrono>
using namespace std;
int main() {
// Load image
cv::Mat image = cv::imread("test.jpg");
if (image.empty()) {
std::cerr << "Image not found!" << std::endl;
return -1;
}
// Start timer
auto start = std::chrono::high_resolution_clock::now();
// Apply Gaussian Blur 500 times
for (int i = 0; i < 500; ++i) {
cv::GaussianBlur(image, image, cv::Size(5, 5), 0);
}
// End timer
auto end = std::chrono::high_resolution_clock::now();
std::chrono::duration<double> elapsed = end - start;
std::cout << "Time elapsed: " << elapsed.count() << " seconds" << std::endl;
return 0;
}수행시간은 Python 0.80 ~ 0.89초, C++ 1.2~1.3초 정도가 나옴.
Python과 C++ 둘 다 같은 컴퓨터에서 여러 번 반복 실험하였음.
예상과 다르게 Python이 더 빠름.
Blurring 반복 회수를 500번에서 5,000번으로 증가시켜면, 소요되는 시간이 10배씩 증가함
그러나, Python과 C++의 격차는 줄어들지 않음.
이유를 검색해 보았음
Python이 사용하는 opencv-python 패키지가 고도로 최적화된 C++ 라이브러리일 가능성이 높다고 함.
따라서, Python에서 C++ 호출하는 오버헤드를 상쇄시키고도 남을 수 있다고 함.
OpenCV-Python을 깔보면 안 됨. 양(Python)의 탈을 쓴 호랑이(C++)가 opencv-python 임.
'Computer Vision by OpenCV' 카테고리의 다른 글
| OpenCV in Python - part 1 (1) | 2019.09.09 |
|---|---|
| Gamma correction (1) | 2017.05.23 |
| Histogram Matching, Color mapping, Color Transfer (2) | 2017.04.19 |
| Image processing: Brightness Contrast 밝기 대비 (1) | 2017.04.15 |
| CommandLineParser: 명령행 인수의 처리, Command line arguments (0) | 2017.04.13 |
