PIL(Python Image Library) 1.1.16中對像素操作的加速

    近來在學慣用Python作些影像處理的工作，不斷被Python開發的高效率所震撼，而且也感覺到了開發人員對運行期效率的重視，不僅在我使用2.5版本時明顯感到比原來的2.4版本效率高，就連PIL的新版本中也針對映像的像素操作效率進行了很大的改善。
    PIL中效率的改善主要來自於Image模組中的load函數，這個函數是在PIL 1.1.6版本中新增加的，相比於原來的getpixel與putpixel函數，主要的目的就是通過提供映像的快取作業對象，提高對映像資料讀寫操作的效率。
    這裡可以通過一個簡單的樣本對比兩種操作方式的差異，首先開啟一個圖片檔案，同時建立一個相同大小的圖片，然後將原始圖片的資料逐像素的拷貝到新的圖片中，代碼如下。該代碼在我的機器上運行，對於映像解析度為2048*1536的圖片，只需要5秒鐘，而如果採用getpixel與putpixel函數實現（迴圈體中注釋掉的代碼），則需要25秒鐘，可見load函數對於效率改善非常明顯。import Image
import ImageFilter

ima = Image.open('test.jpg')
size = ima.size
imb = Image.new('RGB', size)

pima = ima.load()
pimb = imb.load()

for i in range(size[0]):
    for j in range(size[1]):
        pimb[i,j] = pima[i,j]    #primb.putpixel((i,j), pima.getpixel((i,j)))

imb.save('test.bmp')

    此外，需要提到的是，通過load函數實現的對資料讀寫加速的辦法，已經在PIL的內部非常普遍的使用，比如在Image模組算是比較耗時的filter函數，就已經利用資料緩衝對象來提高效率。Image.filter函數的定義如下：    def filter(self, filter):
        "Apply environment filter to image"

        self.load()

        from ImageFilter import Filter
        if not isinstance(filter, Filter):
            filter = filter()

        if self.im.bands == 1:
            return self._new(filter.filter(self.im))
        # fix to handle multiband images since _imaging doesn't
        ims = []
        for c in range(self.im.bands):
            ims.append(self._new(filter.filter(self.im.getband(c))))
        return merge(self.mode, ims)