在 Python 中将动画 GIF 加载到 numpy 数组中的最快方法答案

【问题标题】：Fastest way to load an animated GIF in Python into a numpy array在 Python 中将动画 GIF 加载到 numpy 数组中的最快方法
【发布时间】：2022-12-08 23:06:52
【问题描述】：

令人惊讶的是，我看不到对此的任何报道。

我发现了 3 种公认的执行此操作的方法 - Pillow、OpenCV 和 Imageio。结果令我吃惊，所以我将它们作为自答问答（如下）发布。

【问题讨论】：

标签： python numpy opencv python-imaging-library python-imageio

【解决方案1】：

这似乎是在每个库中加载 GIF 的标准方式：

import os
import cv2
import time
import imageio
import numpy as np
from tqdm import tqdm
from glob import glob
from PIL import Image, ImageSequence

gifs = glob(os.path.join("/folder/of/gifs", "*"))
print(f"Found {len(gifs)} GIFs")

def load_gif_as_video_pil(gif_path):
    im = Image.open(gif_path)
    frames = []
    for frame in ImageSequence.Iterator(im):
        frame = np.array(frame.copy().convert('RGB').getdata(), dtype=np.uint8).reshape(frame.size[1],
                                                                                        frame.size[0],
                                                                                        3)
        frames.append(frame)

    return np.array(frames)

def load_gif_as_video_imageio(gif_path):
    return imageio.mimread(gif_path)

def load_gif_as_video_opencv(filename):
    gif = cv2.VideoCapture(filename)
    frames = []
    while True:
        ret, frame = gif.read()
        if not ret:
            break
        frames.append(cv2.cvtColor(frame, cv2.COLOR_BGR2RGB))
    return np.array(frames)


start = time.time()
[load_gif_as_video_imageio(path) for path in tqdm(gifs)]
end = time.time()
print(f"ImageIO: {end - start}")

start = time.time()
[load_gif_as_video_opencv(path) for path in tqdm(gifs)]
end = time.time()
print(f"OpenCV: {end - start}")

start = time.time()
[load_gif_as_video_pil(path) for path in tqdm(gifs)]
end = time.time()
print(f"PIL: {end - start}")

超过 250 个 GIF，这些是结果：

100%|██████████| 250/250 [00:13<00:00, 18.32it/s]
ImageIO: 13.829721689224243
100%|██████████| 250/250 [00:06<00:00, 39.04it/s]
OpenCV: 6.478164434432983
100%|██████████| 250/250 [03:00<00:00,  1.38it/s]
PIL: 181.03292179107666

OpenCV 的速度是 imageio 的两倍，比 PIL 快 15 倍（无论如何，使用我的方法）。

【讨论】：

【解决方案2】：

您使用 Pillow 的代码效率很低！ Images 与Numpy's array interface 兼容，因此您的转换代码使事情变得复杂。

我会使用以下助手将帧输出到 Numpy 数组中：

from PIL import Image, ImageSequence
import numpy as np

def load_frames(image: Image, mode='RGBA'):
    return np.array([
        np.array(frame.convert(mode))
        for frame in ImageSequence.Iterator(image)
    ])

with Image.open('animated.gif') as im:
    frames = load_frames(im)

这与其他运行时间基本相同。例如，我有一个 400x400 像素、21 帧的 GIF，它需要 mimread ~140ms，而 Pillow 需要~130ms。

更新：我刚刚玩过 CV2 并注意到它的“挂钟”时间更好（即你正在测量的时间），因为它在其他线程中工作。例如，如果我使用 Jupyter %time magic 运行，我会得到以下输出：

图像IO

CPU times: user 135 ms, sys: 9.81 ms, total: 145 ms
Wall time: 145 ms

太平船务

CPU times: user 127 ms, sys: 3.03 ms, total: 130 ms
Wall time: 130 ms

CV2

CPU times: user 309 ms, sys: 95 ms, total: 404 ms
Wall time: 89.7 ms

IE。虽然它在 90 毫秒内完成了循环，但它总共使用了大约 4.5 倍的 CPU 时间。

因此，如果您对完成单个大图像的时间感兴趣，您可能需要使用 CV2。但是如果你批处理大量图像，我建议在 multiprocessing Pool 中使用 Pillow。

【讨论】：