小白,入门中,不足其指正。刚刚接触opencv,从一个Matlab风格的编程环境突然跳转到C++,实在有些不适。单就pixels scanning花了好长时间研究。opencv-tutorials给出了四种方法。这里将比较其中最高效的方法与Mat类里定义的at()的效率。
本文以opencv-tutorials中给出的color reduction 为例进行比较。
- 图像的读取
为了简化问题,直接对灰度图进行操作,灰度图的获取可以用Mat类里的imread函数(每每看到这个函数都很激动,又有了Matlab的感觉)。
//read the image data
Mat GrayImage;
GrayImage = imread("test.jpg",);
//show the image that read
namedWindow("OriginalGrayImage");
imshow("OriginalGrayImage",GrayImage);
其中imread的参数0表示的就是读取灰度图。相比于Matlab里面还要用rgb22gray转化,这里就方便一点了哈!
原图:
灰度读取效果:
- lookup table的产生
我们的目的是把读取的图像像素值进行量化,如果将0~255的像素量化成4级,就需将0~63的像素计算成0,64~127的像素计算成为64……
因为在C++编译过程中,uchar/int的结果还是uchar,所以直接利用下面公式就可以得到
注意的是这里我用的是opencv.org上盗的图,图中的10可以用dividewidth替换,dividewidth的值需要根据量化的结果来确定,比如如果dividewidth=64;那么0~63的像素都会计算成0,64~127的像素都会计算成为64……以此类推,这样就会被量化成4级。
但是值得注意的是,对于一张100*100的灰度图就需要计算10000次,所以lookup table产生了。lookup table的思路是产生一个0~255的向量,没个存放用上述公式计算的结果,然后遍历的时候只需要查表就可以了,这样对于一个100*100的灰度图,本来需要计算10000次的,现在只需要计算256次。
产生lookup table的代码段
uchar table[];
int div = ;
for(int i=;i<;i++)
table[i] = (uchar)(div*(i/div));
- 灰度量化-classic C style operator[]
Mat.ptr<type>(i)可以获得第i行的指针,其中type表示的是Mat中存放的数据类型,一般的灰度图为uchar,rgb图则是Vec3b。Mat.rows和Mat.cols中分别存放的是图像的行数和列数。
具体代码段如下
//get some informations from GrayImage
int nr = GrayImage.rows;
int nc = GrayImage.cols;
uchar* p;
for(int i=0;i<nr;i++)
{
p = GrayImage.ptr<uchar>(i);
for(int j=0;j<nc;j++)
{
p[j] = table[p[j]];
}
}
运行结果:
-
灰度量化-Mat.at<type>(i,j)
Mat类里定义的at函数可以直接访问图像中的像素。其中type参见上一条的解释。(i,j)为图像中的坐标。 具体代码段如下:
for(int i=;i<nr;i++)
for(int j=;j<nc;j++)
GrayImage.at<uchar>(i,j) = table[GrayImage.at<uchar>(i,j)];
运行结果:
-
如何获得运行时间
opencv中提供了两个函数,getTickCount()和getTickFrequency();
Well OpenCV offers two simple functions to achieve this getTickCount() and getTickFrequency().
opencv.org盗来的代码段:
double t = (double)getTickCount();
// do something ...
t = ((double)getTickCount() - t)/getTickFrequency();
cout << "Times passed in seconds: " << t << endl;
- 结果比较
运行环境:OS: Windows 10-64bitIDE: codeblocks 13.12 with g++CPU: i3内存: 4GB 运行结果:
classic C style operator[] |
0.00136458 |
Mat.at<type>(i,j) | 0.00498963 |
从结果可以看出,指针操作明显更高效,这也就是为什么opencv-tutorials中把它称为the effective way的原因。但是,指针操作有危险性,所以很多人还是原因用Mat.at的方法。