opencv高效遍历图像

 

初次接触OpenCV的开发者，必须过的第一道坎就是学会如何遍历访问Mat对象中每个像素，实现像素级别的图像操作，这个是最级别的编程技能，但是不同的像素遍历方法效率有云泥之别，相差特别大，甚至可能成为算法运行的瓶颈之一，因此找到一种速度快的遍历方法对大图像处理是很关键的。在开始寻找高效遍历方法之前，先来了解一下Mat对象的数据组织形式与像素块数据的存储方式，Mat对象由两个部分组成，元数据头部加像素数据块部分，图示如下：

 

在OpenCV C++中Mat对象的内存管理由OpenCV框架自动负责内存分配与回收，基于智能指针实现内存管理。

三种遍历方法

方法一

基于Mat对象的随机像素访问API实现，通过行列索引方式遍历每个像素值。代码实现如下

void method_1(Mat &image) {
    double t1 = getTickCount();
    int w = image.cols;
    int h = image.rows;
    for (int row = 0; row < h; row++) {
        for (int col = 0; col < w; col++) {
            Vec3b bgr = image.at<Vec3b>(row, col);
            bgr[0] = 255 - bgr[0];
            bgr[1] = 255 - bgr[1];
            bgr[2] = 255 - bgr[2];
            image.at<Vec3b>(row, col) = bgr;
        }
    }
    double t2 = getTickCount();
    double t = ((t2 - t1) / getTickFrequency()) * 1000;
    ostringstream ss;
    ss << "Execute time : " << std::fixed << std::setprecision(2) << t << " ms ";
    putText(image, ss.str(), Point(20, 20), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2, 8);
    imshow("result", image);
}

 

方法二

基于Mat对象的行随机访问指针方式实现对每个像素的遍历，代码实现如下：

void method_2(Mat &image) {
    double t1 = getTickCount();
    int w = image.cols;
    int h = image.rows;
    for (int row = 0; row < h; row++) {
        Vec3b* curr = image.ptr<Vec3b>(row);
        for (int col = 0; col < w; col++) {
            Vec3b bgr = curr[col];
            bgr[0] = 255 - bgr[0];
            bgr[1] = 255 - bgr[1];
            bgr[2] = 255 - bgr[2];
        }
    }
    double t2 = getTickCount();
    double t = ((t2 - t1) / getTickFrequency()) * 1000;
    ostringstream ss;
    ss << "Execute time : " << std::fixed << std::setprecision(2) << t << " ms ";
    putText(image, ss.str(), Point(20, 20), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2, 8);
    imshow("result", image);
}

 

除了上述的行指针遍历方式，常见的行指针还有如下：

CV_8UC1: 灰度图像
uchar* ptr = image.ptr<uchar>(row_index);

CV_8UC3: 彩色图像
Vec3b* ptr = image.ptr<cv::Vec3b>(row_index);

CV_32FC1: 单通道浮点数图像
float* ptr = image.ptr<float>(row_index);

CV_32FC3: 三通道浮点数图像
Vec3f* ptr = image.ptr<cv::Vec3f>(row_index);

 

方法三

直接获取Mat对象的像素块的数据指针，基于指针操作，实现快速像素方法，代码实现如下：

void method_3(Mat &image) {
    double t1 = getTickCount();
    int w = image.cols;
    int h = image.rows;
    for (int row = 0; row < h; row++) {
        uchar* uc_pixel = image.data + row*image.step;
        for (int col = 0; col < w; col++) {
            uc_pixel[0] = 255 - uc_pixel[0];
            uc_pixel[1] = 255 - uc_pixel[1];
            uc_pixel[2] = 255 - uc_pixel[2];
            uc_pixel += 3;
        }
    }
    double t2 = getTickCount();
    double t = ((t2 - t1) / getTickFrequency()) * 1000;
    ostringstream ss;
    ss << "Execute time : " << std::fixed << std::setprecision(2) << t << " ms ";
    putText(image, ss.str(), Point(20, 20), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2, 8);
    imshow("result", image);
}

实验对比结果

系统信息与软件版本

输入图像大小为：1280x720， 彩色
操作系统：win10
OpenCV版本：OpenCV4.1
CPU：core i7 8th

 

 

实事证明，唯一正确的选择是直接使用data指针直接访问，但是这个在OpenCV官方的教程都没有明确说明，官方教程代码都是基于第一种方式，我想主要是让初学者容易理解与入门，这个也导致一些人在做开发的时候直接使用第一种方式做遍历，然后就是代码运行太慢，以后请用正确方式打开Mat对象遍历....

我自己也写代码测试了一下；flip比method_3有时慢一点，method_3确实3ms左右。

 

using namespace std;
using namespace cv;

void colorReduce(const Mat& image, int div)
{
	Mat outImage;
	double t1 = getTickCount();
	outImage.create(image.size(), image.type());
	MatConstIterator_<Vec3b> it_in = image.begin<Vec3b>();
	MatConstIterator_<Vec3b> itend_in = image.end<Vec3b>();
	MatIterator_<Vec3b> it_out = outImage.begin<Vec3b>();
	MatIterator_<Vec3b> itend_out = outImage.end<Vec3b>();
	while (it_in != itend_in)
	{
		(*it_out)[0] = (*it_in)[0];// / div * div + div / 2;
		(*it_out)[1] = (*it_in)[1];//  / div * div + div / 2;
		(*it_out)[2] = (*it_in)[2];// / div * div + div / 2;
		it_in++;
		it_out++;
	}
	double t2 = getTickCount();
	double t = ((t2 - t1) / getTickFrequency()) * 1000;
	ostringstream ss;
	ss << "colorReduce time : " << std::fixed << std::setprecision(2) << t << " ms ";
	putText(outImage, ss.str(), Point(20, 20), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2, 8);
	imshow("colorReduce", outImage);
	waitKey(1);
}
void Flip(Mat &img)
{
	double t1 = getTickCount();
	int rows = img.rows;
	int cols = img.cols;
	for (int i = 0; i < rows / 2; i++)
	{
		uchar *p = img.ptr<uchar>(i);
		uchar *q = img.ptr<uchar>(rows - 1 - i);
		uchar t;
		for (int j = 0; j < cols; j++)
		{
			t = *p; *p++ = *q; *q++ = t;
			t = *p; *p++ = *q; *q++ = t;
			t = *p; *p++ = *q; *q++ = t;
		}
	}
	double t2 = getTickCount();
	double t = ((t2 - t1) / getTickFrequency()) * 1000;
	ostringstream ss;
	ss << "Flip time : " << std::fixed << std::setprecision(2) << t << " ms ";
	putText(img, ss.str(), Point(20, 20), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2, 8);
	imshow("Flip", img);
	waitKey(1);
}

void method_3(Mat &image) {
	double t1 = getTickCount();
	int w = image.cols;
	int h = image.rows;
	for (int row = 0; row < h; row++) {
		uchar* uc_pixel = image.data + row * image.step;
		for (int col = 0; col < w; col++) {
			uc_pixel[0] = 255 - uc_pixel[0];
			uc_pixel[1] = 255 - uc_pixel[1];
			uc_pixel[2] = 255 - uc_pixel[2];
			uc_pixel += 3;
		}
	}
	double t2 = getTickCount();
	double t = ((t2 - t1) / getTickFrequency()) * 1000;
	ostringstream ss;
	ss << "method_3 time : " << std::fixed << std::setprecision(2) << t << " ms ";
	putText(image, ss.str(), Point(20, 20), FONT_HERSHEY_SIMPLEX, 0.75, Scalar(0, 0, 255), 2, 8);
	imshow("result", image);
	waitKey(0);
}
int main(int argc, const char * argv[]) {


	const int a1 = 10;
	auto  b1 = a1; //b1的类型为int而非const int（去除const）
	const auto c1 = a1;//此时c1的类型为const int
	b1 = 100;//合法
	//c1 = 100;//非法

	char filename[100];
	double threshold = 7.7;
	int num = 4;
	// int *pia = new int[num] ();  // 每个元素初始化为0


	for (int k = 1; k < num; k++) {

		//sprintf(filename, "D:/data/pic/%d.png", 1);
		sprintf(filename, "D:\\data\\test\\0720_mouse/%d.jpg", k);

		//Mat x1 = imread(filename, IMREAD_GRAYSCALE);
		Mat x1 = imread(filename, 1);

		imshow("x1", x1);
		waitKey(1);
		Mat img_copy;
		x1.copyTo(img_copy);
		Flip(img_copy);
		colorReduce(x1, 2);
		method_3(x1);