Mat中兩種像素遍歷方法比較

小白，入門中，不足其指正。剛剛接觸opencv，從一個Matlab風格的編程環境忽然跳轉到C++，實在有些不適。單就pixels scanning花了好長時間研究。opencv-tutorials給出了四種方法。這裏將比較其中最高效的方法與Mat類裏定義的at()的效率。

本文以opencv-tutorials中給出的color reduction 爲例進行比較。

• 圖像的讀取

 

爲了簡化問題，直接對灰度圖進行操做，灰度圖的獲取能夠用Mat類裏的imread函數（往往看到這個函數都很激動，又有了Matlab的感受）。

//read the image data
Mat GrayImage;
GrayImage = imread("test.jpg",0);
//show the image that read
namedWindow("OriginalGrayImage");
imshow("OriginalGrayImage",GrayImage);

其中imread的參數0表示的就是讀取灰度圖。相比於Matlab裏面還要用rgb22gray轉化，這裏就方便一點了哈！

原圖：

灰度讀取效果：

• lookup table的產生

咱們的目的是把讀取的圖像像素值進行量化，若是將0~255的像素量化成4級，就需將0~63的像素計算成0，64~127的像素計算成爲64……

由於在C++編譯過程當中，uchar/int的結果仍是uchar,因此直接利用下面公式就能夠獲得

注意的是這裏我用的是opencv.org上盜的圖，圖中的10能夠用dividewidth替換，dividewidth的值須要根據量化的結果來肯定，好比若是dividewidth=64；那麼0~63的像素都會計算成0，64~127的像素都會計算成爲64……以此類推，這樣就會被量化成4級。

可是值得注意的是，對於一張100*100的灰度圖就須要計算10000次，因此lookup table產生了。lookup table的思路是產生一個0~255的向量，沒個存放用上述公式計算的結果，而後遍歷的時候只須要查表就能夠了，這樣對於一個100*100的灰度圖，原本須要計算10000次的，如今只須要計算256次。

產生lookup table的代碼段

uchar table[256];
int div = 64;
for(int i=0;i<256;i++)
    table[i] = (uchar)(div*(i/div));

• 灰度量化-classic C style operator[]

Mat.ptr<type>(i)能夠得到第i行的指針,其中type表示的是Mat中存放的數據類型，通常的灰度圖爲uchar，rgb圖則是Vec3b。Mat.rows和Mat.cols中分別存放的是圖像的行數和列數。

具體代碼段以下

//get some informations from GrayImage
int nr = GrayImage.rows;
int nc = GrayImage.cols;

uchar* p;
for(int i=0;i<nr;i++)
{
　　p = GrayImage.ptr<uchar>(i);
　　for(int j=0;j<nc;j++)
　　{
　　　　p[j] = table[p[j]];
　　}
}

運行結果：

• 灰度量化-Mat.at<type>(i,j)

Mat類裏定義的at函數能夠直接訪問圖像中的像素。其中type參見上一條的解釋。（i,j)爲圖像中的座標。

 

具體代碼段以下：

for(int i=0;i<nr;i++)
    for(int j=0;j<nc;j++)
        GrayImage.at<uchar>(i,j) = table[GrayImage.at<uchar>(i,j)];

運行結果：

• 如何得到運行時間

opencv中提供了兩個函數，getTickCount()和getTickFrequency()；

Well OpenCV offers two simple functions to achieve this getTickCount() and getTickFrequency().

opencv.org盜來的代碼段:

double t = (double)getTickCount();
// do something ...
t = ((double)getTickCount() - t)/getTickFrequency();
cout << "Times passed in seconds: " << t << endl;

• 結果比較

運行環境:

OS: Windows 10-64bit

IDE: codeblocks 13.12 with g++

CPU: i3

內存: 4GB

 

運行結果：

classic C style operator[]	0.00136458
Mat.at<type>(i,j)	0.00498963

從結果能夠看出，指針操做明顯更高效，這也就是爲何 opencv-tutorials中把它稱爲the effective way的緣由。可是，指針操做有危險性，因此不少人仍是緣由用Mat.at的方法。