标签：put als 不同 指针 second ant 不同的 而不是 argv
在本教程中，我们将比较Mat类的forEach方法的性能和访问和转换OpenCV中像素值的其他方式。 我们将展示如何使用at方法甚至高效地使用指针算法，forEach比使用at方法快得多。
OpenCV中有隐藏的宝石，有时不是很知名。 其中一个隐藏的宝石是Mat类的forEach方法，它利用机器上的所有内核在每个像素上应用任何函数。
让我们先定义一个函数complexThreshold。 它采用一个RGB像素值并对其应用一个复杂的阈值。
// Define a pixel typedef Point3_<uint8_t> Pixel; // A complicated threshold is defined so // a non-trivial amount of computation // is done at each pixel. void complicatedThreshold(Pixel &pixel) { if (pow(double(pixel.x)/10,2.5) > 100) { pixel.x = 255; pixel.y = 255; pixel.z = 255; } else { pixel.x = 0; pixel.y = 0; pixel.z = 0; } }
与简单的阈值相比，这个函数在计算上要重得多。 这样，我们不仅仅是测试像素访问时间，而且每个像素操作的计算量都很大时，forEach如何使用所有内核。
接下来，我们将通过四种不同的方式将这个函数应用到图像中的每个像素，并检查相关的性能。
Mat类有一个方便的方法来访问图像中位置（行，列）的像素。 以下代码使用at方法来访问每个像素并将复杂的阈值应用于它。
// Naive pixel access // Loop over all rows for (int r = 0; r < image.rows; r++) { // Loop over all columns for ( int c = 0; c < image.cols; c++) { // Obtain pixel at (r, c) Pixel pixel = image.at<Pixel>(r, c); // Apply complicatedTreshold complicatedThreshold(pixel); // Put result back image.at<Pixel>(r, c) = pixel; } }
上面的方法被认为是低效的，因为每次我们调用at方法时，内存中像素的位置正在被计算。 这涉及乘法操作。 不使用像素位于连续的存储器块中的事实。
在OpenCV中，一行中的所有像素都存储在一个连续的内存块中。 如果使用create创建了Mat对象，则所有像素都存储在一个连续的内存块中。 由于我们正在从磁盘读取图像，imread使用create方法，因此我们可以简单地使用不需要乘法的指针运算来遍历所有像素。
代码如下所示。
// Using pointer arithmetic // Get pointer to first pixel Pixel* pixel = image1.ptr<Pixel>(0,0); // Mat objects created using the create method are stored // in one continous memory block. const Pixel* endPixel = pixel + image1.cols * image1.rows; // Loop over all pixels for (; pixel != endPixel; pixel++) { complicatedThreshold(*pixel); }
Mat类的forEach方法接受一个函数操作符。 用法是
void cv::Mat::forEach (const Functor &operation)
了解上述用法的最简单的方法是通过下面的示例。 我们定义了一个用于forEach的函数对象（Operator）。
// Parallel execution with function object. struct Operator { void operator ()(Pixel &pixel, const int * position) const { // Perform a simple threshold operation complicatedThreshold(pixel); } };
调用forEach很简单，只需要一行代码即可完成
// Call forEach image2.forEach<Pixel>(Operator());
image3.forEach<Pixel> ( [](Pixel &pixel, const int * position) -> void { complicatedThreshold(pixel); } );
复杂阈值函数连续五次应用于大小为9000 x 6750的大图像的所有像素。 实验中使用的2.5 GHz Intel Core i7处理器有四个内核。 以下时间已经获得。 请注意，使用forEach比使用Naive Pixel Access或Pointer Arithmetic方法快五倍。
| Method Type | Time ( milliseconds ) |
| Naive Pixel Access | 6656 |
| Pointer Arithmetic | 6575 |
| forEach | 1221 |
| forEach (C++11 Lambda) | 1272 |
我已经在OpenCV中编写了十多年的代码，每当我必须编写访问像素的优化代码时，我都会使用指针算法而不是naive 的方法。 不过，在写这篇博文的时候，我惊讶地发现，即使是大图片，这两种方法之间似乎也没有什么区别。
完整代码：
// Include OpenCV header #include <opencv2/opencv.hpp> // Use cv and std namespaces using namespace cv; using namespace std; // Define a pixel typedef Point3_<uint8_t> Pixel; // tic is called to start timer void tic(double &t) { t = (double)getTickCount(); } // toc is called to end timer double toc(double &t) { return ((double)getTickCount() - t) / getTickFrequency(); } void complicatedThreshold(Pixel &pixel) { if (pow(double(pixel.x) / 10, 2.5) > 100) { pixel.x = 255; pixel.y = 255; pixel.z = 255; } else { pixel.x = 0; pixel.y = 0; pixel.z = 0; } } // Parallel execution with function object. struct Operator { void operator ()(Pixel &pixel, const int * position) const { // Perform a simple threshold operation complicatedThreshold(pixel); } }; int main(int argc, char** argv) { // Read image Mat image = imread("butterfly.jpg"); // Scale image 30x resize(image, image, Size(), 30, 30); // Print image size cout << "Image size " << image.size() << endl; // Number of trials int numTrials = 5; // Print number of trials cout << "Number of trials : " << numTrials << endl; // Make two copies Mat image1 = image.clone(); Mat image2 = image.clone(); Mat image3 = image.clone(); // Start timer double t; tic(t); for (int n = 0; n < numTrials; n++) { // Naive pixel access // Loop over all rows for (int r = 0; r < image.rows; r++) { // Loop over all columns for (int c = 0; c < image.cols; c++) { // Obtain pixel at (r, c) Pixel pixel = image.at<Pixel>(r, c); // Apply complicatedTreshold complicatedThreshold(pixel); // Put result back image.at<Pixel>(r, c) = pixel; } } } cout << "Naive way: " << toc(t) << endl; // Start timer tic(t); // image1 is guaranteed to be continous, but // if you are curious uncomment the line below // cout << "Image 1 is continous : " << image1.isContinuous() << endl; for (int n = 0; n < numTrials; n++) { // Get pointer to first pixel Pixel* pixel = image1.ptr<Pixel>(0, 0); // Mat objects created using the create method are stored // in one continous memory block. const Pixel* endPixel = pixel + image1.cols * image1.rows; // Loop over all pixels for (; pixel != endPixel; pixel++) { complicatedThreshold(*pixel); } } cout << "Pointer Arithmetic " << toc(t) << endl; tic(t); for (int n = 0; n < numTrials; n++) { image2.forEach<Pixel>(Operator()); } cout << "forEach : " << toc(t) << endl; #if __cplusplus >= 201103L || (__cplusplus < 200000 && __cplusplus > 199711L) tic(t); for (int n = 0; n < numTrials; n++) { // Parallel execution using C++11 lambda. image3.forEach<Pixel> ( [](Pixel &pixel, const int * position) -> void { complicatedThreshold(pixel); } ); } cout << "forEach C++11 : " << toc(t) << endl; #endif return EXIT_SUCCESS; }
https://blog.csdn.net/wc781708249/article/details/78500839
标签：put als 不同 指针 second ant 不同的 而不是 argv
原文地址：https://www.cnblogs.com/zzzsj/p/14609093.html
