问 与MATLAB的imgaussfilt相比，二维高斯滤波与图像滤波有如此大的速度差异？

EN

我正在寻求将工作流从MATLAB迁移到Python。我将做大量的大图像过滤，并立即遇到一个性能障碍。在MATLAB R2022a中，用10西格玛高斯滤波器对11587乘13744进行滤波需要少于2秒的时间：

tic, imgf=imgaussfilt(im,10); toc
Elapsed time is 1.792801 seconds.

我在 scipy 1.8.0和 skimage 0.19.1中尝试了同样的方法，两者都要慢得多：

%timeit scipy.ndimage.gaussian_filter(im, 10, truncate=2)
4.89 s ± 15.4 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

慢2.7倍。

%timeit skimage.filters.gaussian(im, sigma=10, preserve_range=True, truncate=2)
5.99 s ± 14.5 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

慢3.4倍。

请注意， truncate 设置为2，据我所知，这与MATLAB所做的工作相匹配。我已经验证了输出图像看起来是一样的，所以没有什么基本的错误。

在Python中是否有专门的加速此操作(和类似的图像处理任务)的解决方案？有些库被认为比其他库更快吗？例如，上面我已经看到 scipy 更快了。

编辑

• opencv比上述两种方法都快，但仍然比
• 慢1.4倍左右。然而，这正进入一个有用的领域。opencv是多线程的，这似乎解释了difference.
• dip (见下文)比MATLAB更快。 dip.Gauss(img,10,truncation=2) 在一秒钟内执行。
• 甚至更好，我发现我的图像不一定是16位，opencv能够在600 ms内过滤我的8位图像！奇怪的是，MATLAB需要13秒的时间来过滤这样的图像。所以我想我们这里有赢家了。--