OpenCv算法编程优化

优化C++和OpenCv过程中,总结的若干技巧如下:
1 访问Opencv的Mat格式时,需要注意访问方式,其中使用C语言的【】操作符访问最快,使用.At<>的方式最慢,效率相差20~30倍,具体可查看相应的解释。http://blog.csdn.net/xiaowei_cqu/article/details/7771760
2 若在遍历矩阵过程中,需要求平方,使用pow函数效率并不高,所以尽可能用乘号(*)代替使用pow函数。
3 若对若干矩阵进行大规模点运算,如A=B*C+D*E,则避免直接使用矩阵间的运算符,如B.mul(C)等,因为该操作符输出的并非最终结果,而是中间矩阵,因而会导致多余的运算。应直接遍历,访问矩阵中的元素,并计算结果。
4 矩阵运算时,若矩阵较大,应使用GEMM函数,因为GEMM使用了BLAS进行加速。如普通的A=B*C可能需要20ms,而使用GEMM可能只需要2ms,效率相差还是挺大的。
5 Opencv虽然有DFT函数,但若最求更快的FFT,应使用fftw的库进行fft计算。
6 若对性能要求非常高,可以考虑使用多核并行计算(OPENMP)或添加GPU处理(CUDA)。
7 关于C语言的优化,可参考《C语言代码优化方案》,下面是参考地址:
http://blog.csdn.net/china_video_expert/article/details/7231644

首次接触图像处理,通过次来记录自己的学习记录,以方便回忆。 //指针访问像素 void colorReduce(Mat& temImage, int div) { //行数 int rowNumber = temImage.rows; cout << "图像通道数:" << temImage.channels() << endl; //列数*通道数=每一行的元素个数 int colNumber = temImage.cols * temImage.channels(); for (int row = 0; row < rowNumber;row++) { uchar* data = temImage.ptr<uchar>(row); for (int col = 0; col < colNumber;col++) { data[col] = data[col] / div*div + div / 2; } } } //迭代器iterator操作像素 void iterColorReduce(Mat& temImage,int div) { Mat_<Vec3b>::iterator it = temImage.begin<Vec3b>(); Mat_<Vec3b>::iterator itend = temImage.end<Vec3b>(); //存取彩色图像的像素 while (it != itend) { //开始处理每个像素 (*it)[0] = (*it)[0] / div*div + div / 2; (*it)[1] = (*it)[1] / div*div + div / 2; (*it)[2] = (*it)[2] / div*div + div / 2; ++it; } } //动态地址计算像素 void atColorReduce(Mat& temImage, int div) { int rowNumber = temImage.rows; int colNumber = temImage.cols; //存取彩色图像 for (int row = 0; row < rowNumber; row++) { for (int col = 0; col < colNumber; col++) { //开始处理每个图像 //蓝色通道 temImage.at<Vec3b>(row, col)[0] = temImage.at<Vec3b>(row, col)[0] / div*div + div / 2; //绿色通道 temImage.at<Vec3b>(row, col)[1] = temImage.at<Vec3b>(row, col)[1] / div*div + div / 2; //红色通道 temImage.at<Vec3b>(row, col)[2] = temImage.at<Vec3b>(row, col)[2] / div*div + div / 2; } } }
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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