为何NumPy实现BGR转灰度比OpenCV cvtColor慢18倍？

问题背景 #

根据OpenCV文档，它通过线性变换 Y = 0.299R + 0.587G + 0.114B 将BGR图像转为灰度图。我尝试用NumPy模拟该过程：将HxWx3的BGR矩阵与3x1的系数向量[0.114, 0.587, 0.299]'相乘，得到HxWx1的灰度矩阵。

对应的NumPy代码如下：

import cv2
import numpy as np
import time

im = cv2.imread(IM_PATHS[0], cv2.IMREAD_COLOR)
# 预分配灰度图内存
dst = np.zeros(im.shape[:2], dtype = np.uint8)
# BGR转灰度的列向量系数
bgr_weight_arr = np.array((0.114,0.587,0.299), dtype = np.float32).reshape(3,1)
for im_path in IM_PATHS:
    im = cv2.imread(im_path , cv2.IMREAD_COLOR)
    t1 = time.time()
    # NumPy矩阵乘法实现转换
    dst[:,:] = (im @ bgr_weight_arr).reshape(*dst.shape)
    t2 = time.time()
    print(f'runtime: {(t2-t1):.3f}sec')

处理12MP（4000x3000像素）图像时，上述NumPy流程每张图耗时约90ms（未对结果取整）。而替换为OpenCV的dst[:,:] = cv2.cvtColor(im, cv2.COLOR_BGR2GRAY)后，每张图仅需约5ms，速度快18倍！

我一直认为NumPy会利用SIMD等加速技术，为何OpenCV能快这么多？

更新：尝试量化乘法后的结果 #

即便使用量化乘法，NumPy的耗时仍维持在90ms左右，代码如下：

rgb_weight_arr_uint16 = np.round(256 * np.array((0.114,0.587,0.299))).astype('uint16').reshape(3,1)
for im_path in IM_PATHS:
    im = cv2.imread(im_path , cv2.IMREAD_COLOR)
    t1 = time.time()
    # NumPy量化乘法实现转换
    dst[:,:] = np.right_shift(im @ bgr_weight_arr_uint16, 8).reshape(*dst.shape)
    t2 = time.time()
    print(f'runtime: {(t2-t1):.3f}sec')

内容的提问来源于stack exchange，提问作者SomethingSomething