GetTickCount() 函数的作用和用法

DWORD GetTickCount(void);    

在Release版本中,该函数从0开始计时,返回自设备启动后的毫秒数(不含系统暂停时间)。

在Debug版本中,设备启动后便从计时器中减去180秒。这样方便测试使用该函数的代码的正确溢出处理。

返回值:如正确,返回毫秒数。

Header: Winbase.h.
Link Library: Coredll.lib.

2) 应用

用来计算某个操作所使用的时间:   

  Start: = GetTickCount;   
   ... // 执行耗时的操作    
    Stop: = GetTickCount;   
   TimeUsed: = (Stop - Start) / 1000 ;      // 使用了xxx秒

 

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。

  • 0
    点赞
  • 0
    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。
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