它不是GPU(而是尝试利用线程和CPU的向量单元)，但是pyvips比scipy快很多，您可以测试一下。在

我做了个基准：import sys

import time

import scipy.ndimage

import pyvips

scale = 10

n_loops = 10

start = time.time()

test_image = scipy.ndimage.imread(sys.argv[1])

for i in range(0, n_loops):

result = scipy.ndimage.interpolation.zoom(test_image, scale)

end = time.time()

print 'scipy took', end - start

start = time.time()

test_image = pyvips.Image.new_from_file(sys.argv[1])

for i in range(0, n_loops):

result = test_image.resize(scale).write_to_memory()

end = time.time()

print 'pyvips took', end - start

# transform with both libraries to compare results

ndi = scipy.ndimage.imread(sys.argv[1])

result = scipy.ndimage.interpolation.zoom(ndi, scale)

scipy.misc.imsave('ndi.tif', result)

im = pyvips.Image.new_from_file(sys.argv[1], access='sequential')

result = im.resize(scale)

result.write_to_file('pyvips.tif')

两者都默认为双三次方。pyvips是一个惰性库，因此您需要在末尾添加额外的write_to_memory()来生成内存数组。在

在这个运行Ubuntu17.10的四核八线程桌面上，有所有库的打包版本和512x512单声道版本的“lena”测试映像，我看到：

^{pr2}$

GPU升级版显然会再快一次，但也许pyvips足够快了？在

如果您比较两个输出图像，您将看到scipy图像上移了一小部分。对于非常小的输入图像，您可以更清楚地看到发生了什么，例如，这个3x3像素的图像：

当scipy和pyvips缩放20倍时：

这让我很困惑。此外，它们显然使用不同的内核，这也很奇怪。在