OpenCV 访问元素,使用指针方法和使用库函数效率比较

由于有一个项目需要对图像逐个像素进行操作,本身对运行效率要求比较高,所以我设计了比较指针遍历和库函数运行效率比较的程序,来观察那种方法更合适。
要计时,需要包含头文件< ctime>

cv::Mat src_matrix = cv::imread("1.bmp");  // 原图像,350×338
cv::Mat _pretreated_matrix;
pretreat(src_matrix);
使用OpenCV自带函数访问像素
void pretreat(const cv::Mat &src_matrix)
{
	src_matrix.convertTo(_pretreated_matrix, CV_64FC1);
	double _mean = 0, *pixel;
	clock_t t1 = clock();
	// 计算平均值
	_pretreated_matrix /= 255;		// 每个像素都除了255
	_mean = cv::mean(_pretreated_matrix)[0];  // 获得全部像素的平均值
	// 逐像素减去平均值
	_pretreated_matrix -= _mean;  // 全部像素逐一减去平均值
	clock_t t2 = clock();
	std::cout << "总用时:" << ((double)(t2 - t1) / CLOCKS_PER_SEC) << "秒" << std::endl;
}
运行时间:

库函数效率

使用指针的方法访问像素
void pretreat(const cv::Mat &src_matrix)
{
	src_matrix.convertTo(_pretreated_matrix, CV_64FC1);
	double _mean = 0, *pixel;
	clock_t t1 = clock();
	
	// 计算平均值
	for (int i = 0; i < _pretreated_matrix.rows; i++)
	{
		pixel = _pretreated_matrix.ptr<double>(i);
		for (int j = 0; j < _pretreated_matrix.cols; j++, pixel++)
		{
			*pixel /= 255;
			_mean += *pixel;
		}
	}
	_mean = _mean / (_pretreated_matrix.rows  * _pretreated_matrix.cols);
	
	// 逐像素减去平均值
	for (int i = 0; i < _pretreated_matrix.rows; i++)
	{
		pixel = _pretreated_matrix.ptr<double>(i);
		for (int j = 0; j < _pretreated_matrix.cols; j++, pixel++)
			*pixel -= _mean;
	}
	clock_t t2 = clock();
	std::cout << "总用时:" << ((double)(t2 - t1) / CLOCKS_PER_SEC) << "秒" << std::endl;
}
运行时间

在这里插入图片描述
综上,使用指针访问像素的效率更高。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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
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