开门见山-结论:c++整体效率要比python快上数十倍,最大的原因应该是c++的循环快
背景
之前一直是用python opencv完成一些图像处理任务的,这次期末大作业有41247张1280*720的图片,需要提取直方图特征值,用python 简章慢的要死,估计一下要跑30-50个小时,那完蛋了,作业肯定交不上去的,优化无果后,最终决定用c++ opencv重写整个程序,有点惊喜
以下代码的功能:
按照getDegree量化规则,提取每一张图片的量化特征向量,写入到文件中
//三个关键参数
int ProcNum = 8; //进程或者线程数
int totalFileNum = 100; //本次共有多少文件
int lastJpg = 6500; //上一次已经读取的最后一个文件
以下是C++ 提取HSV直方图特征代码:
#include<thread>
#include <iostream>
#include<fstream>
#include <vector>
#include <string>
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include "Timer.h"
using namespace cv;
namespace {
using std::cout ;
using std::endl;
std::string SAMPLE_FOLDER = "E:\\work\\VS\\readjpg\\frameSet\\";
std::string OUTPUT_FOLDER = "E:\\work\\VS\\readjpg\\output\\";
//忽略了V这一层的影响
int HD = 23, SD = 32, VD = 86, H_DIM = 8, S_DIM = 8, V_DIM = 3;
}
//获取像素的量化值
int getDegree(uchar Hv,uchar Sv,uchar Vv) {
auto a = int(Hv/(uchar)HD);
auto b = (Sv >> 5);
auto c = ((a << 3) + b);
return c;
}
//获取图像的特征
std::vector<int> getFeature(Mat& hsv) {
auto hig = hsv.rows;
auto wid = hsv.cols;
auto feature = std::vector<int>(H_DIM*S_DIM, 0)