目录

一、概述

二、安装PyTurboJPEG

三、测试

一、概述

在计算机视觉领域，图像编解码是绕不开的基础环节。虽然 OpenCV 能解决大部分图像处理问题，但在性能要求严苛的场景下存在短板。本文将介绍基于 libjpeg-turbo 的高效 JPEG 编解码库 PyTurboJPEG，特别适用于纯 CPU 环境下的性能优化需求。

PyTurboJPEG 核心优势如下：

1. 技术渊源：ibjpeg 是经典的 JPEG 压缩库，使用C语言开发，而 libjpeg-turbo 是在此基础上进行深度优化的库，使用来SIMD 指令集（MMX、SSE2、NEON 等）实现性能加速，支持 x86、ARM 等主流架构。本文介绍的PyTurboJPEG则是 libjpeg-turbo 的 Python 封装版。

2. 性能表现：实测表明，libjpeg-turbo在JPEG 编解码速度上较原生libjpeg提升2-6 倍，且在压缩率与速度之间达到极佳平衡，性能可媲美部分商业编解码器。

二、安装PyTurboJPEG

本文实验环境为Ubuntu22.04。

首先安装nasm：

sudo apt-get install nasm

然后进入下载官网页面，网址https://sourceforge.net/projects/libjpeg-turbo/files/ 。

下载2.0.x版本对应的libjpeg-turbo-2.0.2.tar.gz，如下图所示：

下载后使用下面的命令进行解压

tar -zxvf libjpeg-turbo-2.0.2.tar.gz

然后使用下面的命令进行编译和安装：

cd libjpeg-turbo-2.0.2
mkdir build 
cd build
cmake -G"Unix Makefiles" ..
make -j8
sudo make install
sudo cp -rvf /opt/libjpeg-turbo/lib64/* /lib/

最后安装PyTurboJPEG库即可：

pip install PyTurboJPEG

三、测试

下面测试图像读取的性能。

以下是使用Opencv的imdecode函数实现：

import os
import time
import cv2
import numpy as np

from turbojpeg import TurboJPEG

img_folder = '../test/img5/'
dst_folder = '../test/result/'

# 检索img_folder下的所有图片
img_files = os.listdir(img_folder)
jpegtool = TurboJPEG()

start_time = time.time()

# 逐张处理
pic = 0
for img_file in img_files:
    # 使用opencv的decode读取图像
    img = cv2.imdecode(np.fromfile(img_folder + img_file, dtype=np.uint8), cv2.IMREAD_COLOR)
    pic += 1

end_time = time.time()
print('average time: ', (end_time - start_time) / pic)

测试结果为2.5ms/张图像。

下面是使用PyTurboJPEG的版本：

import os
import time

from turbojpeg import TurboJPEG

img_folder = '../test/img5/'
dst_folder = '../test/result/'

# 检索img_folder下的所有图片
img_files = os.listdir(img_folder)
jpegtool = TurboJPEG()

start_time = time.time()

# 逐张处理
pic = 0
for img_file in img_files:
    # decoding input.jpg to BGR array
    with open(img_folder + img_file, 'rb') as in_file:
        bgr_array = jpegtool.decode(in_file.read())

    pic += 1

end_time = time.time()
print('average time: ', (end_time - start_time) / pic)

测试结果为2.0ms/张。