ImageMagick: скорость обработки с различными форматами файлов

Question

Я использую ImageMagick (Версия: ImageMagick 6.9.7-4 Q16 x86_64 20170114) для создания особого вида составного наложенного изображения. Используя Python в качестве управляющей структуры, я, по сути, запускаю серию команд оболочки (convert и composite) для выполнения следующих действий:

create an initial (transparent) working image W
for n = 1 to numberOfOverlappingShapesWanted
  use convert to create a transparent overlay image (O) with a random shape at a random place
  use composite to merge down W (on top) with O (beneath) and produce WO
  replace W with WO
use convert to change W into any desired final image format

В настоящее время я создаю W, O и WO в формате PNG. Мой вопрос касается только скорости ... Используя очень грубую структуру, которая у меня есть, есть ли выбор формата изображения, который приведет к тому, что процесс будет выполняться быстрее, чем мой текущий выбор формата PNG.

Отредактируйте, следуя запросу, на реальный пример ...

#!/usr/bin/python3
import os
import random

# The overall algorithm here is to create a blank working image
# called w.png and then to drop a disc onto a new blank image
# calle l.png . The old working image is then combined with
# the newly dropped disc into an image called wl.png .
# And wl.png then becomes the new working image

# Python is used only for the control structure. The real
# work is done by ImageMagick from Python os.system commands. 

nDroppingDiscs = 6
discRadius = 64
imageX = 2048
imageY = 2048

# Names for the three images
workingImage = 'w.png'
discImage = 'o.png'
combinedImage = 'wo.png'

# Create the first part of the ImageMagick 'convert' command
# of the form:
#   convert -size 2048x2048 xc:transparent
baseWorkingCommand = 'convert -size ' + \
  str( imageX ) + 'x' + str( imageY ) + ' ' + \
  'xc:transparent '

# Create initial blank working image
#     convert -size 2048x2048 xc:transparent w.png
os.system( baseWorkingCommand + workingImage )

for n in range( nDroppingDiscs ) :

  # Create the initial portion of the ImageMagick 'convert'
  # command for dropping a disc onto a transparent canvas
  baseDiscCommand = 'convert -size ' + \
    str( imageX ) + 'x' + str( imageY ) + ' ' + \
    'xc:transparent +antialias -fill '

  # Ensure that each disc is a different colour
  discNAsColourString = "#%06x" % n

  baseDiscCommand = baseDiscCommand + " '" + \
    discNAsColourString + "' " 

  # Determine the drop-point for the disc
  discDropPointX =  random.randint(1, imageX)
  discDropPointY =  random.randint(1, imageY) 

  discRadiusIndicatorX = discDropPointX
  discRadiusIndicatorY = discDropPointY + discRadius

  # Put the pieces of the 'convert' command together
  baseDiscCommand = baseDiscCommand + \
    " -draw 'circle " + \
    str( discDropPointX ) + "," + \
    str( discDropPointY ) + " " + \
    str( discRadiusIndicatorX ) + "," + \
    str( discRadiusIndicatorY ) + "'"

  # Use ImageMagick to create the new randomly dropped disc
  os.system( baseDiscCommand + " "  + discImage )

  # Overlay the existing image onto the newly created dropped disc
  # to produce a combined image
  os.system('composite ' + workingImage + " " + discImage + " " + combinedImage )
  # The combined image is now the new working image
  os.system('mv ' + combinedImage  + ' ' + workingImage )

# Final conversion. Convert the working image from whatever format
# I was using earlier to a final PNG format.
os.system('convert ' +  workingImage + ' final.png')

Обратите внимание, что константа nDroppingDiscs обычно составляет около 4000. Кроме того, стоит добавить, что моей конечной целью является исследование некоторых вещей. о статистике изображения этого типа рисунка.

Answer 1

Прохождение через файловую систему будет очень медленным для итеративных процессов, подобных этому. Я думаю, что вам, вероятно, будет лучше с чем-то вроде numpy.

У меня был быстрый go в pyvips , только потому, что я это хорошо знаю :

#!/usr/bin/python3

import random
import pyvips

n_dropping_discs = 1000
disc_radius = 64
image_width = 2048
image_height = 2048

image = pyvips.Image.black(image_width, image_height, bands=4) \
             .copy(interpretation="srgb") 

for i in range(n_dropping_discs):
    ink = [(i >> 16) & 0xff, (i >> 8) & 0xff, i & 0xff, 0xff]
    x = random.randint(0, image_width) - disc_radius
    y = random.randint(0, image_height) - disc_radius
    image = image.draw_circle(ink, x, y, disc_radius, fill=True)

image.write_to_file("final.png")

На этом ноутбуке я вижу:

$ time ./disc2.py 
real    0m6.086s
user    0m12.182s
sys 0m1.656s

Итак, 1000 дисков примерно за 6 с. pyvips не очень подходит для такого рода задач - numpy снова будет намного быстрее.

Answer 2

У меня был момент, чтобы опробовать предложение Джона и перефразировать его код в Numpy и OpenCV следующим образом. Кажется, примерно в 40 раз быстрее, чем pyvips на моей машине:

#!/usr/bin/env python3

import random
import cv2

n_dropping_discs = 1000
disc_radius = 64
image_width = 2048
image_height = 2048

def numpyidea():
    image = np.zeros((image_height,image_width,4), dtype=np.uint8)

    for i in range(n_dropping_discs):
        ink = [i & 0xff, (i >> 8) & 0xff, (i >> 16) & 0xff, 0xff]
        x = random.randint(0, image_width) - disc_radius
        y = random.randint(0, image_height) - disc_radius
        cv2.circle(image, (x,y), disc_radius, ink, cv2.FILLED)

    cv2.imwrite("numpy.png", image)
    return