GetTickCount() 函数的作用和用法!

[转自CSDN老帖]:http://topic.csdn.net/t/20050107/12/3706743.html

 

 

1、一般用作定时相关的操作。GetTickCount()   返回开机以来经过的毫秒数

 

2、在要求误差不大于1毫秒的情况下,可以采用GetTickCount()函数,该函数的返回值是DWORD型,表示以毫秒为单位的计算机启动后经历的时间间隔。使用下面的编程语句,可以实现50毫秒的精确定时,其误差小于1毫秒。    
   
    

 

   DWORD   dwStart,   dwStop;    
   
    //   起始值和终止值    
   
    dwStop   =   GetTickCount();    
   
    while(TRUE)    
   
    {    
   
       dwStart   =   dwStop;    
   
    //   上一次的终止值变成新的起始值    
   
    //   此处添加相应控制语句    
   
       do    
   
       {    
   
    dwStop   =   GetTickCount();    
   
       }   while(dwStop   -   50   <   dwStart);    
   
    }     

 

 

 

3、

对于一般的实时控制,使用GetTickCount()函数就可以满足精度要求,但要进一步提高计时精度,就要采用QueryPerformanceFrequency()函数和QueryPerformanceCounter()函数。这两个函数是VC提供的仅供Windows   9X使用的高精度时间函数,并要求计算机从硬件上支持高精度计时器。QueryPerformanceFrequency()函数和QueryPerformanceCounter()函数的原型为:    
   
    BOOL   QueryPerformanceFrequency(LARGE—INTEGER   *lpFrequency);    
   
    BOOL   QueryPerformanceCounter(LARGE—INTEGER   *lpCount)   ;    
   
    数据类型LARGE—INTEGER既可以是一个作为8字节长的整型数,也可以是作为两个4字节长的整型数的联合结构,其具体用法根据编译器是否支持64位而定。该类型的定义如下:    
   
    typedef   union   —LARGE—INTEGER    
   
    {    
   
       struct    
   
       {    
   
    DWORD   LowPart;   //   4字节整型数    
   
    LONG  HighPart;   //   4字节整型数    
   
    };    
   
    LONGLONG  QuadPart;    
   
    //   8字节整型数    
   
    }   LARGE—INTEGER;    
   
    在进行计时之前,应该先调用QueryPerformanceFrequency()函数获得机器内部计时器的时钟频率。笔者在主频为266、300、333的三种PentiumⅡ机器上使用该函数,得到的时钟频率都是1193180Hz。接着,笔者在需要严格计时的事件发生之前和发生之后分别调用QueryPerformanceCounter()函数,利用两次获得的计数之差和时钟频率,就可以计算出事件经历的精确时间。以下程序是用来测试函数Sleep(100)的精确持续时间。    
   
    LARGE—INTEGER   litmp;    
   
    LONGLONG   QPart1,QPart2;    
   
    double   dfMinus,   dfFreq,   dfTim;    
   
    QueryPerformanceFrequency(&litmp);    
   
    //   获得计数器的时钟频率    
   
    dfFreq   =   (double)litmp.QuadPart;    
   
    QueryPerformanceCounter(&litmp);    
   
    //   获得初始值    
   
    QPart1   =   litmp.QuadPart;    
   
    Sleep(100)   ;    
   
    QueryPerformanceCounter(&litmp);    
   
    //   获得终止值    
   
    QPart2   =   litmp.QuadPart;    
   
    dfMinus   =   (double)(QPart2   -   QPart1);    
   
    dfTim   =   dfMinus   /   dfFreq;    
   
    //   获得对应的时间值     
 

 

 

 

 

 

 

 

 

 

 

 

 

 

  • 2
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,关于您的问题,我可以告诉您如下方法: 首先,您需要导入OpenCV库。 然后,您需要编写代码来读取多张图片并执行蛮力匹配算法和FLANN匹配算法,并使用cv.getTickCount()函数来计算时间。 以下是一个简单的示例代码,用于演示如何计算多张照片蛮力匹配算法和FLANN匹配算法之间的时间效率: ```python import cv2 as cv # 读取图片 img1 = cv.imread('img1.jpg', cv.IMREAD_GRAYSCALE) img2 = cv.imread('img2.jpg', cv.IMREAD_GRAYSCALE) # 初始化ORB检测器 orb = cv.ORB_create() # 使用ORB检测器检测关键点和描述符 kp1, des1 = orb.detectAndCompute(img1, None) kp2, des2 = orb.detectAndCompute(img2, None) # 初始化蛮力匹配器 bf = cv.BFMatcher(cv.NORM_HAMMING, crossCheck=True) # 计算蛮力匹配器的时间 t1 = cv.getTickCount() matches = bf.match(des1, des2) t2 = cv.getTickCount() time_bf = (t2 - t1) / cv.getTickFrequency() # 初始化FLANN匹配器 index_params = dict(algorithm=0, trees=5) search_params = dict(checks=50) flann = cv.FlannBasedMatcher(index_params, search_params) # 计算FLANN匹配器的时间 t1 = cv.getTickCount() matches = flann.knnMatch(des1, des2, k=2) t2 = cv.getTickCount() time_flann = (t2 - t1) / cv.getTickFrequency() print("蛮力匹配器的时间:", time_bf) print("FLANN匹配器的时间:", time_flann) ``` 在该示例代码中,我们使用ORB检测器检测关键点和描述符,并使用cv.getTickCount()函数来计算蛮力匹配器和FLANN匹配器的时间。 请注意,该示例代码仅用于演示如何计算多张照片蛮力匹配算法和FLANN匹配算法之间的时间效率。您需要根据实际需求进行修改和调整。

“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

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