问题：
我有大约10，000张图片需要相互比较，我目前的程序每秒比较大约60张图片，但以这样的速度，它需要将近9天的运行时间才能完成，我试过使用c++，但最终代码需要的时间是python的3倍。
问题：
有没有更快或更有效的方法来比较图像？我可以使用其他语言和其他库。
代码：
from PIL import Image
from PIL import ImageChops
import math, operator
from functools import reduce
import os
def rmsdiff(image_1, image_2):
h = ImageChops.difference(image_1, image_2).histogram()
return math.sqrt(reduce(operator.add, map(lambda h, i: i%256*(h**2), h, range(len(h)))) / (float(image_1.size[0]) * image_1.size[1]))
current = 0
try:
dire = "C:\\Users\\Nikola\\Downloads\\photos"
photos = os.listdir(dire)
for idx, val in enumerate(photos):
if val == "":
start = idx
break
for photo_1 in range(start,len(photos)):
if "." not in photos[photo_1]:
continue
print(f'Image: {photos[photo_1]}')
with Image.open(dire+"\\"+photos[photo_1]) as image_1:
image_1 = image_1.resize((16,16))
for photo_2 in range(photo_1+1, len(photos)):
current = photos[photo_2]
try:
if photos[photo_2][-4] != "." and photos[photo_2][-5] != ".":
continue
except:
continue
with Image.open(dire+"\\"+photos[photo_2]) as image_2:
image_2 = image_2.resize((16,16))
try:
value = rmsdiff(image_1, image_2)
if value < 12:
print(f'Similar Image: {photos[photo_1]}')
continue
except:
pass
except KeyboardInterrupt:
print()
print(current)
2条答案
按热度按时间xkrw2x1b1#
根据我的评论，我建议加载和调整大小需要最多的时间，所以这是我的目标优化。
目前我还没有Python解释器来进行适当的测试，但沿着：
这应该已经产生了巨大的差异。然后调整到使用“草稿”模式，类似于：
如果你的笔记本电脑有一个不错的CPU，你也可以多线程加载。
sh7euo9m2#
不过，你的问题很奇怪，你必须读取数据本身才能进行比较，这在大多数情况下是不应该发生的，如果你有一些元数据来进行比较，这将是最有意义的。
也就是说，这里有一些非常不同的方法来加快这一进程。
1.您可以对代码进行并行化，以实现内核数量的加速。
1.你可以把rmse改变成简单的abs（diff）或者其他更便宜的距离函数。来保存大量的计算运行时间。
1.你可以编写自己的diff方法，在超过某个diff阈值时停止计算，这要求函数被编译，或者至少及时编译。
1.如果可以为每个图像预先计算一些维数缩减，则可以在较低的维中执行比较。例如，对行求和，并获得每个图像的总和的列。比较该列而不是整个图像。然后，仅对具有类似较低维表示的图像的整个图像进行计算。
1.如果您的许多图像是相同的，您可以将它们分组，然后在与组中的任何图像进行比较时，您不必对组中的所有其他图像再次进行比较。
1.通过正确使用cdist计算所有到所有距离，可能会获得快速加速