matlab、opencv、opencv+gpu滤波运行速度的比较

最新推荐文章于 2023-08-31 22:14:31 发布
最新推荐文章于 2023-08-31 22:14:31 发布
阅读量3k 收藏 8
点赞数 2
分类专栏： 算法 文章标签： 图像滤波速度 GPU加速 Matlab Opencv 效率
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/kxuehen/article/details/41828029
版权

         本实验是在win7 64位操作系统下测试，软件版本信息如下：Visual Studio2010、matlab2010a、opencv2.4.9。要使用opencv中的GPU模块，必须先对opencv利用cmake进行从新编译，具体步骤见网友贴吧http://tieba.baidu.com/p/3329042929。

        实验内容是对一张300*400的灰度图(程序中对原图转灰度图)片进行11*11的DCT变换，一共有121个11*11DCT模版。每个模版对应11*11个不同频域值的系数，因为11*11的图像进行DCT离散变换会产生11*11个离散频域值，每个值都由对应的11*11尺寸的DCT模版来滤波求得。实验对这个过程重复20次，然后求平均值得到300*400的图片进行11*11DCT扫描滤波所需要的时间。下面实验采用的图片：


现在分别给出matlab、opencv、opencv+GPU、C语言自己编写滤波代码条件下的测试结果和源代码。

不同平台测试结果
 Matlab         Opencv      Opencv+GPU编写C语言函数
Debug775.3ms1.1216s88.3ms太长
Release 368.2ms82.3ms10.7966s




matlab平台

下面是matlab测试代码

余弦滤波器产生函数，尺寸为11*11，一共121个

function d = DctFilter(size)
% Generates Dct filters.
for u=1:size
    for v=1:size
        for i=1:size
            for j=1:size
                pu=sqrt(2/size);
                pv=sqrt(2/size);
                if u==1
                    pu=sqrt(1/size);
                end
                if v==1
                    pv=sqrt(1/size);
                end
                d(u,v,i,j)=pu*pv*cos((i-0.5)*pi/size*(u-1))*cos((j-0.5)*pi/size*(v-1));
            end
        end
    end
end
end
matlab主函数 

I=imread('te.jpg');
I=rgb2gray(I);
I=double(I);
dct_filter=DctFilter(11);
t=zeros(20,1);
for n=1:20
tic
for p=1:11
    for q=1:11
        tmp=conv2(I,squeeze(dct_filter(p,q,:,:)),'valid');              
    end
end        
t(n)=toc;
end
time=sum(t)/20
实验结果表明对300*400图片进行模版尺寸为11*11扫描滤波时每次耗时775.3ms

opencv平台
利用opencv自带的滤波函数进行滤波

矩阵数据类型转换函数

void im2single(Mat& src,Mat& dst)
{
 int type;
 type=src.type();
 dst.create(src.size(),CV_32F);
 switch (type)
 {
   case CV_8U:
  src.convertTo(dst,CV_32F,1.0f/255,0);
  /*src.convertTo(dst,CV_32F);
  dst=dst.mul(1.0f/255);	*/
  break;
 }
}
测试主函数 

#include <stdio.h>
#include <opencv.hpp>
#include "opencv2/gpu/gpu.hpp"
#include <math.h>
using namespace cv;
using namespace std;

void main()
{ 
  float d[11][11]={};
  int u,v,num,i,j,h,w;
  double dmin,dmax;
  float pi=3.14;
  Ptr<FilterEngine> FDct[11][11];
  Mat src;
  Mat src_gray,dst,gray_f;
  Mat kd(11,11,CV_32F);

  src=imread("te.jpg");
  cvtColor(src,src_gray,CV_BGR2GRAY);
  im2single(src_gray,gray_f);
  Size sz=src_gray.size();
  h=sz.height;
  w=sz.width;
  dst=Mat::zeros(Size(w,h),CV_32F);
 
  float pu;
        for(u=0;u<11;u++)    
          for(i=0;i<11;i++)          
           {
      pu=sqrt(2.0/11);              
                if(u==0)
                    pu=sqrt(1.0/11);                              
                kd.at<float>(i,u)=pu*cos((i+0.5)*pi/11*u);
           } //建立DCT滤波器的分离单维模版
   
    for(i=0;i<11;i++)
     for(j=0;j<11;j++)
         FDct[i][j]= createSeparableLinearFilter(src_gray.type(),dst.type(), kd.col(i), kd.col(j)); //建立可分离的DCT滤波函数   


  double t = (double)cvGetTickCount();
  for(num=0;num<20;num++)
     for(u=0;u<11;u++)
     for(v=0;v<11;v++)	  
         FDct[u][v]->apply(src_gray,dst); //执行滤波操作
  t = (double)cvGetTickCount() - t;
   
   
  minMaxIdx(dst,&dmin,&dmax);
  dst.convertTo(dst,CV_32F,1.0f/(dmax-dmin),-dmin/(dmax-dmin));
  imshow( "source_window", dst );  
  printf( "run time = %gs\n", t/(cvGetTickFrequency()*1000000)/20 );
  cvWaitKey(0);
}

实验结果表明对300*400图片进行模版尺寸为11*11扫描滤波时在release状态下每次耗时368.2ms，在debug状态下每次耗时1.1216s。可以看出opencv图像滤波运行效率比matlab高约一倍。


opencv+GPU平台
矩阵数据类型转换函数 

void im2single(Mat& src,Mat& dst)
{
 int type;
 type=src.type();
 dst.create(src.size(),CV_32F);
 switch (type)
 {
   case CV_8U:
  src.convertTo(dst,CV_32F,1.0f/255,0);
  /*src.convertTo(dst,CV_32F);
  dst=dst.mul(1.0f/255);	*/
  break;
 }
}
#include <stdio.h>
#include <opencv.hpp>
#include "opencv2/gpu/gpu.hpp"
#include <math.h>
using namespace cv;
using namespace std;
using namespace cv::gpu;

void main()
{	
  float d[11][11]={};	 
  int u,v,num,i,j,h,w;
  double dmin,dmax;
  float pi=3.14;
  Ptr<FilterEngine_GPU> FDct[11][11];
//GPU滤波函数，11*11的DCT变换模版
  Mat src;
  Mat src_gray,dst,gray_f;
  Mat kd(11,11,CV_32F);	

  src=imread("te.jpg");
  cvtColor(src,src_gray,CV_BGR2GRAY);	
  im2single(src_gray,gray_f);
   GpuMat dst_gpu, src_gpu;
//GPU模块下矩阵数据类型
   src_gpu.upload(gray_f);
  
  Size sz=src_gray.size();
  h=sz.height;
  w=sz.width;	 
  dst=Mat::zeros(Size(w,h),CV_32F);	
 
  float pu;
        for(u=0;u<11;u++)     
          for(i=0;i<11;i++)          
           { 
                pu=sqrt(2.0/11);               
                if(u==0)
                    pu=sqrt(1.0/11);                               
                kd.at<float>(i,u)=pu*cos((i+0.5)*pi/11*u);
           }
   
    for(i=0;i<11;i++)
     for(j=0;j<11;j++)	 
         FDct[i][j]= createSeparableLinearFilter_GPU(gray_f.type(),dst.type(), kd.col(i), kd.col(j));
      
    


  double t = (double)cvGetTickCount();
  for(num=0;num<20;num++)
     for(u=0;u<11;u++)
     for(v=0;v<11;v++)	  
         FDct[u][v]->apply(src_gpu,dst_gpu); 
//执行滤波操作
  t = (double)cvGetTickCount() - t; 
   
     dst_gpu.download(dst);
  minMaxIdx(dst,&dmin,&dmax);
  dst.convertTo(dst,CV_32F,1.0f/(dmax-dmin),-dmin/(dmax-dmin));
  imshow( "source_window", dst );  
  printf( "run time = %gs\n", t/(cvGetTickFrequency()*1000000)/20 );
  cvWaitKey(0);
}
实验结果表明对300*400图片进行模版尺寸为11*11扫描滤波时在release状态下每次耗时82.3ms，在debug状态下每次耗时88.3ms。可以看出opencv+gpu图像滤波运行效率比matlab高约9倍,比单独的opencv高出约4倍。

C语言编写滤波函数

产生余弦变换Dct滤波器，尺寸为11*11，一共121个
void DctFilter( float d[11][11][11][11], int size )
{
   float pi=3.14;
  float pu,pv;
  int u,v,i,j;
     for(u=0;u<size;u++)
      for(v=0;v<size;v++)
         for(i=0;i<size;i++)
           for(j=0;j<size;j++)
           {
               pu=sqrt(2.0/size);
                pv=sqrt(2.0/size);
                if(u==0)
                    pu=sqrt(1.0/size);                
                if(v==0)
                    pv=sqrt(1.0/size);                
                d[u][v][i][j]=pu*pv*cos((i+0.5)*pi/size*u)*cos((j+0.5)*pi/size*v);
           }
}
矩阵数据类型转换函数
void im2single(Mat& src,Mat& dst)
{
 int type;
 type=src.type();
 dst.create(src.size(),CV_32F);
 switch (type)
 {
   case CV_8U:
  src.convertTo(dst,CV_32F,1.0f/255,0);
  /*src.convertTo(dst,CV_32F);
  dst=dst.mul(1.0f/255);	*/
  break;
 }
}
滤波执行函数
void imfilter(Mat& src_gray,Mat& dst,float d[11][11])
{
 int h,w;
 float tmp;
 Size sz=src_gray.size();
 h=sz.height;
 w=sz.width;
 //dst.create(size(h-10,w-10),src_gray.type);
 dst=Mat::zeros(Size(w-10,h-10),src_gray.type());

 int i,j,m,n;
 
 for(i=5;i<h-6;i++)
 {
  for(j=5;j<w-6;j++)
  {
   for(m=-5;m<6;m++)
    for(n=-5;n<6;n++)
    {
     dst.at<float>(i-5,j-5)+=src_gray.at<float>(i+m,j+n)*d[m+5][n+5];
    }
  }
 }

}
测试函数：
在Release状态下测试，在Debug状态下运行会比Release状态下慢很多。
#include <stdio.h>
#include <opencv.hpp>
#include "opencv2/gpu/gpu.hpp"
#include <math.h>
using namespace cv;
using namespace std;

void main()
{
 
  float d[11][11][11][11]={};
  int u,v,num;
  double dmin,dmax;
  Mat src;
  Mat src_gray,dst,gray_f;
  src=imread("te.jpg");
  cvtColor(src,src_gray,CV_BGR2GRAY);
  DctFilter(d,11);  //产生DCT滤波模版
  im2single(src_gray,gray_f);	 //将原始数据转化为单精度类型
  double t = (double)cvGetTickCount();
  for(num=0;num<20;num++)
     for(u=0;u<11;u++)
     for(v=0;v<11;v++)	  
           imfilter(gray_f,dst,d[u][v]); //对每个Dct模版进行滤波操作
  t = (double)cvGetTickCount() - t;	  
 
  minMaxIdx(dst,&dmin,&dmax);
  dst.convertTo(dst,CV_32F,1.0f/(dmax-dmin),-dmin/(dmax-dmin));
  imshow( "source_window", dst );  
  printf( "run time = %gs\n", t/(cvGetTickFrequency()*1000000)/20 );
  cvWaitKey(0);
}
由于代码效率明显很低，只测试了release条件下对300*400图片进行模版尺寸为11*11扫描滤波时在release状态下每次耗时10.7966s。图像滤波的运行效率比前面任意一种方式都低很多。






k雪痕
关注
  • 2
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
matlab fft2的作用,为什么Matlab fft2比OpenCV dft快得多(why Matlab fft2 is much faster than OpenCV dft)...
weixin_29613859的博客
04-11 714
为什么Matlab fft2比OpenCV dft快得多(why Matlab fft2 is much faster than OpenCV dft)我只是测试比较OpenCV的dft函数和Matlab中的fft2的速度。 我加载相同的图像，使用fft2()和dft()进行转换并测量它们消耗的时间。 我发现，对于图像，dft()在win32发布版本中的成本超过2秒，而fft2()只花了0.2秒。...
OpenCV算法加速（1）OpenMP/PPL/TTB基础知识
热门推荐
$firecat利白的代码足迹$
02-06 1万+
一、提高OpenCV的运算速度，有以下几种方法： 1、利用x86转为x64提速，可以提高1倍的速度 2、多线程的openmp或Intel TBB提速，将cpu的利用率从20%多提高到100% 3、利用GPU提速，至少可以提高5~10倍的运算速度 二、openmp https://www.openmp.org/ https://www.openmp.org/specifica...............
【项目记录】常用opencv函数运行速度实测
Kelvin_Yan的专栏
11-02 8195
E3 1230 输入数据 1000*1000 float 矩阵 1、寻找大值最小值 minMaxLoc0.25ms 2、积分图 integral6ms，若为整型数据耗时稍低 3、高斯滤波 GaussianBlur3ms 注：输入整型数据会大大增加耗时
比较opencv，pillow,matplotlib,skimage读取图像的速度比
yiqiedouhao11的博客
08-31 798
比较opencv，pillow,matplotlib,skimage读取图像的速度比
图像平滑opencv c++实现
weixin_43340536的博客
07-11 480
噪声图像是指在图像中存在随机干扰或不规则变化的图像。以下是几种常见的噪声图像类型：高斯噪声图像：高斯噪声是指在图像中每个像素值上添加的服从高斯分布的随机噪声。它是最常见的图像噪声类型之一。椒盐噪声图像：椒盐噪声是指在图像中随机出现亮白或暗黑的像素点，使得这些像素点的值变得与周围像素不一致。它模拟了图像传感器或信号传输中的随机错误。瑞利噪声图像：瑞利噪声是指在图像中存在强度不均匀的干扰，常见于无线通信或医学图像中。它的幅度遵循瑞利分布。
opencv+python实现均值滤波
12-20
本文实例为大家分享了opencv+python实现均值滤波的具体代码，供大家参考，具体内容如下 原理 均值滤波其实就是对目标像素及周边像素取平均值后再填回目标像素来实现滤波目的的方法，当滤波核的大小是3×3 3\times 33...
python+opencv实现高斯平滑滤波
09-19
主要为大家详细介绍了python+opencv实现高斯平滑滤波，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
opencv2.1+VS2008实现维纳滤波复原
01-19
花了本人三天时间实现维纳滤波对图像进行复原，亲测无误，注意我是用的opencv静态库，你可能需要配置一下 花了本人三天时间实现维纳滤波对图像进行复原，亲测无误，注意我是用的opencv静态库，你可能需要配置一下
opencv实现逆滤波
11-06
matlab逆滤波改由opencv实现，测试可用
图像均值滤波的几个方法，以及时间比较
tony365的博客
06-23 666
均值滤波
【OpenCV学习】（七）图像滤波
weixin_40620310的博客
01-06 3457
【OpenCV学习】（七）图像滤波 背景 图像滤波的作用简单来说就是将一副图像通过滤波器得到另一幅图像；明确一个概念，滤波器又被称为卷积核，滤波的过程又被称为卷积；实际上深度学习就是训练许多适应任务的滤波器，本质上就是得到最佳的参数；当然在深度学习之前，也有一些常见的滤波器，本篇主要介绍这些常见的滤波器； 一、卷积相关概念 卷积核大小一般为奇数的原因： 1、增加padding的原因； 2、保证锚点在中间，防止位置发生偏移； 卷积核大小的影响：卷积核越大，感受野越大，提取的特征越好，同时计算量也越大； 边界扩
【opencv学习之二十四】OpenCV滤波处理对比
abcvincent的博客
01-07 3579
OpenCV的邻域滤波处理函数主要都通图像的卷积操作，有 1方框滤波boxFilter(),属于线性滤波，其原理是用一个矩阵和一个核矩阵卷积操作； 2均值滤波blur(),也属于线性滤波，是方框滤波一种归一化后的方框滤波； 3高斯滤波GaussianBlur()，属于线性滤波，其原理类似均值滤波，但是滤波经过加权处理，加权值符合正态分布，处理效果比均值更好一些； 4中值滤波medianBl
opencv中三种像素访问方式的运行速度比较
技术改变生活，创新让世界更美
11-01 4655
本文目的： 在opencv中有三种方式可以读写图像的像素，分别为：指针读写、迭代器读写、动态地址计算读写。虽然三种方式都可以完成同样的目的，但是运行速度却有快有慢，尤其是在实现一些复杂算法的时候，效率非常关键，下面就来比较一下这三种方式的运行速度。 实现代码： 代码工程下载地址：http://download.csdn.net/detail/u013752202/9230389  下面代码
五.OpenCv滤波器（1）
small-guo
01-29 6340
5. 滤波器 5.1 卷积 5.1.1 什么是图片卷积 图像卷积就是卷积核在图像上按行滑动遍历像素时不断的相乘求和的过程 5.1.2 步长 **步长就是卷积核在图像上移动的步幅.**上面例子中卷积核每次移动一个像素步长的结果, 如果将这个步长修改为2, 结果会如何? 为了充分扫描图片, 步长一般设为1. 5.1.3 padding 从上面例子中我们发现, 卷积之后图片的长宽会变小. 如果要保持图片大小不变, 我们需要在图片周围填充0. padding指的就是填充的0的圈数. [外链图片转存失败,源站可能
GPU中值、均值滤波效果(2022/05/30)
yodala的博客
05-30 378
GPU的应用均值滤波中值滤波时间对比 均值滤波 如上图所示，从左到右分别是原图，以及通过均值滤波33，55处理后的图片，55的效果比33的好。 中值滤波 如上图所示，从左到右分别是原图，以及通过中值滤波33，55处理后的图片，55的效果比33的好。 时间对比 中值滤波比均值滤波效果好。 无论是中值还是均值滤波，55滤波器的的效果都比33的好。 当使用中值滤波时，利用gpu比利用cpu可以节约大量的时间，因为中值滤波需要进行排序处理，使用cpu的多重循环较为耗时，gpu则可以少两重循环。 ...
OpenCV算法加速（2）使用SIMD指令集(MMX、SSE、AVX)和MIPP实现视觉算法优化
$firecat利白的代码足迹$
09-03 1万+
SIMD指令集 SSE/AVX https://blog.csdn.net/qq_32916805/article/details/117637192 MMX和SSE实现的opencv数据结构的图像反色算法优化 SSE图像算法优化系列一：一段BGR2Y的SIMD代码解析。 SSE图像算法优化系列七：基于SSE实现的极速的矩形核腐蚀和膨胀（最大值和最小值）算法。 ......
【解决opencv goodFeaturesToTrack速度慢的问题】
kangzhaobing123的博客
11-05 1218
opencv代码优化、耗时优化、性能提升。goodFeaturesToTrack函数性能优化
opencv-线性滤波(均值滤波)Blur()
weixin_43577679的博客
10-22 1244
【概述】均值滤波是最简单的一种滤波操作，用一片图像区域的各个像素的均值来代替原图像中的各个像素值。 优点：操作简单，效率高，易于实现 缺点：不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。 【原理】 均值滤波卷积核：α代表了卷积核中点的个数（N*N个） 每个像素的值为卷积核区域内所有像素的平均值 【实例】 #include<opencv2/opencv.hpp> #include <opencv2/highg.
opencvc++高斯滤波
最新发布
10-10
在OpenCV中，可以使用cv2.GaussianBlur()函数来实现高斯滤波。 使用cv2.GaussianBlur()函数时，需要指定输入图像、高斯核的大小以及X和Y方向上的标准差。下面是使用高斯滤波对图像进行平滑的示例代码： ``` import...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值