通常对于图像处理,我们需要进行行列遍历,扫描整一幅图像,得到我们需要的信息,大部分的时候,我们会直接编写下面的代码:
for
(
int
row
=
0
; row
<
height;
++
row)
{
for ( int col = 0 ; col < width; ++ col)
{
pixel = image_data[ row * width_step + col ]
}
}
{
for ( int col = 0 ; col < width; ++ col)
{
pixel = image_data[ row * width_step + col ]
}
}
如果我们分析一下,就会发现 row * width_step 在同一次外循环的时候,值是相同的,因此我们可以优化为下面的方式:
for
(
int
row
=
0
; row
<
height;
++
row)
{
int temp_start_row = row * width_step;
for ( int col = 0 ; col < width; ++ col)
{
pixel = image_data[ temp_start_row + col ]
}
}
{
int temp_start_row = row * width_step;
for ( int col = 0 ; col < width; ++ col)
{
pixel = image_data[ temp_start_row + col ]
}
}
第一种方案下,乘法运算做了height*width次运算,第二种方案下,乘法做了height次元素,而乘法在计算机实现中比较慢的一种操作。因此第二种方案可以在图像比较大的时候,处理速度会有显著提升。
如同前面所说的,在进行乘法运算的时候,速度是比较慢的一种操作,如果我们将乘法操作修改为加法操作,速度应该还有一些提升。
int
temp_start_row
=
0
;
for ( int row = 0 ; row < height; ++ row)
{
temp_start_row += width_step;
for ( int col = 0 ; col < width; ++ col)
{
pixel = image_data[ temp_start_row + col ]
}
}
for ( int row = 0 ; row < height; ++ row)
{
temp_start_row += width_step;
for ( int col = 0 ; col < width; ++ col)
{
pixel = image_data[ temp_start_row + col ]
}
}
当然,第三种方案,相对难理解一些,对于不熟悉的人也相对更难维护一些,因此如果不是处理速度要求特别高的地方,就应该采用第二种方案,如果处理方式将迁移到DSP或者手持设备中,那么第三种方案更加合适,更加节省电源。
/*
* @ 2011-3-10
*
* Copyright (c) 2011 Ubunoon.
* All rights reserved.
*
* email: netubu#gmail.com replace '#' to '@'