在《OpenCV 2 Computer Vision Application Programming Cookbook》看到的例子，非常不錯，算是對之前的文章<通路Mat圖像中每個像素的值>的回顧和補充。
Color Reduce
還是使用經典的Reduce Color的例子，即對圖像中的像素表達進行量化。如常見的RGB24圖像有256×256×256中顔色，通過Reduce Color将每個通道的像素減少8倍至256/8=32種，則圖像隻有32×32×32種顔色。假設量化減少的倍數是N，則代碼實作時就是簡單的value/N*N，通常我們會再加上N/2以得到相鄰的N的倍數的中間值，最後圖像被量化為(256/N)×(256/N)×(256/N)種顔色。
方法零：.ptr和[]操作符
Mat最直接的通路方法是通過.ptr<>函數得到一行的指針，并用[]操作符通路某一列的像素值。
[cpp] view plain copy
- // using .ptr and []
- void colorReduce0(cv::Mat &image, int div=64) {
- int nr= image.rows; // number of rows
- int nc= image.cols * image.channels(); // total number of elements per line
- for (int j=0; j
- uchar* data= image.ptr(j);
- for (int i=0; i
- data[i]= data[i]/div*div + div/2;
- }
- }
- }
方法一：.ptr和指針操作
除了[]操作符，我們可以移動指針*++的組合方法通路某一行中所有像素的值。
[cpp] view plain copy
- // using .ptr and * ++
- void colorReduce1(cv::Mat &image, int div=64) {
- int nr= image.rows; // number of rows
- int nc= image.cols * image.channels(); // total number of elements per line
- for (int j=0; j
- uchar* data= image.ptr(j);
- for (int i=0; i
- *data++= *data/div*div + div/2;
- } // end of row
- }
- }
方法二：.ptr、指針操作和取模運算
方法二和方法一的通路方式相同，不同的是color reduce用模運算代替整數除法
[cpp] view plain copy
- // using .ptr and * ++ and modulo
- void colorReduce2(cv::Mat &image, int div=64) {
- int nr= image.rows; // number of rows
- int nc= image.cols * image.channels(); // total number of elements per line
- for (int j=0; j
- uchar* data= image.ptr(j);
- for (int i=0; i
- int v= *data;
- *data++= v - v%div + div/2;
- } // end of row
- }
- }
方法三：.ptr、指針運算和位運算
由于進行量化的單元div通常是2的整次方，是以所有的乘法和除法都可以用位運算表示。
[cpp] view plain copy
- // using .ptr and * ++ and bitwise
- void colorReduce3(cv::Mat &image, int div=64) {
- int nr= image.rows; // number of rows
- int nc= image.cols * image.channels(); // total number of elements per line
- int n= static_cast<</span>int>(log(static_cast<</span>double>(div))/log(2.0));
- // mask used to round the pixel value
- uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
- for (int j=0; j
- uchar* data= image.ptr(j);
- for (int i=0; i
- *data++= *data&mask + div/2;
- } // end of row
- }
- }
方法四：指針運算
方法四和方法三量化處理的方法相同，不同的是用指針運算代替*++操作。
[cpp] view plain copy
- // direct pointer arithmetic
- void colorReduce4(cv::Mat &image, int div=64) {
- int nr= image.rows; // number of rows
- int nc= image.cols * image.channels(); // total number of elements per line
- int n= static_cast<</span>int>(log(static_cast<</span>double>(div))/log(2.0));
- int step= image.step; // effective width
- // mask used to round the pixel value
- uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
- // get the pointer to the image buffer
- uchar *data= image.data;
- for (int j=0; j
- for (int i=0; i
- *(data+i)= *data&mask + div/2;
- } // end of row
- data+= step; // next line
- }
- }
方法五：.ptr、*++、位運算以及image.cols * image.channels()
這種方法就是沒有計算nc，基本是個充數的方法。
[cpp] view plain copy
- // using .ptr and * ++ and bitwise with image.cols * image.channels()
- void colorReduce5(cv::Mat &image, int div=64) {
- int nr= image.rows; // number of rows
- int n= static_cast<</span>int>(log(static_cast<</span>double>(div))/log(2.0));
- // mask used to round the pixel value
- uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
- for (int j=0; j
- uchar* data= image.ptr(j);
- for (int i=0; i
- *data++= *data&mask + div/2;
- } // end of row
- }
- }
方法六：連續圖像
Mat提供了isContinuous()函數用來檢視Mat在記憶體中是不是連續存儲，如果是則圖檔被存儲在一行中。
[cpp] view plain copy
- // using .ptr and * ++ and bitwise (continuous)
- void colorReduce6(cv::Mat &image, int div=64) {
- int nr= image.rows; // number of rows
- int nc= image.cols * image.channels(); // total number of elements per line
- if (image.isContinuous()) {
- // then no padded pixels
- nc= nc*nr;
- nr= 1; // it is now a 1D array
- }
- int n= static_cast<</span>int>(log(static_cast<</span>double>(div))/log(2.0));
- // mask used to round the pixel value
- uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
- for (int j=0; j
- uchar* data= image.ptr(j);
- for (int i=0; i
- *data++= *data&mask + div/2;
- } // end of row
- }
- }
方法七：continuous+channels
與方法六基本相同，也是充數的。
[cpp] view plain copy
- // using .ptr and * ++ and bitwise (continuous+channels)
- void colorReduce7(cv::Mat &image, int div=64) {
- int nr= image.rows; // number of rows
- int nc= image.cols ; // number of columns
- if (image.isContinuous()) {
- // then no padded pixels
- nc= nc*nr;
- nr= 1; // it is now a 1D array
- }
- int n= static_cast<</span>int>(log(static_cast<</span>double>(div))/log(2.0));
- // mask used to round the pixel value
- uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
- for (int j=0; j
- uchar* data= image.ptr(j);
- for (int i=0; i
- *data++= *data&mask + div/2;
- *data++= *data&mask + div/2;
- *data++= *data&mask + div/2;
- } // end of row
- }
- }
方法八：Mat _iterator
真正有差別的方法來啦，用Mat提供的疊代器代替前面的[]操作符或指針，血統純正的官方方法~
[cpp] view plain copy
- // using Mat_ iterator
- void colorReduce8(cv::Mat &image, int div=64) {
- // get iterators
- cv::Mat_::iterator it= image.begin();
- cv::Mat_::iterator itend= image.end();
- for ( ; it!= itend; ++it) {
- (*it)[0]= (*it)[0]/div*div + div/2;
- (*it)[1]= (*it)[1]/div*div + div/2;
- (*it)[2]= (*it)[2]/div*div + div/2;
- }
- }
方法九：Mat_ iterator 和位運算
把方法八中的乘除法換成位運算。
[cpp] view plain copy
- // using Mat_ iterator and bitwise
- void colorReduce9(cv::Mat &image, int div=64) {
- // div must be a power of 2
- int n= static_cast<</span>int>(log(static_cast<</span>double>(div))/log(2.0));
- // mask used to round the pixel value
- uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
- // get iterators
- cv::Mat_::iterator it= image.begin();
- cv::Mat_::iterator itend= image.end();
- for ( ; it!= itend; ++it) {
- (*it)[0]= (*it)[0]&mask + div/2;
- (*it)[1]= (*it)[1]&mask + div/2;
- (*it)[2]= (*it)[2]&mask + div/2;
- }
- }
方法十：MatIterator_
和方法八基本相同。
[cpp] view plain copy
- // using MatIterator_
- void colorReduce10(cv::Mat &image, int div=64) {
- cv::Mat_ cimage= image;
- cv::Mat_::iterator it=cimage.begin();
- cv::Mat_::iterator itend=cimage.end();
- for ( ; it!= itend; it++) {
- (*it)[0]= (*it)[0]/div*div + div/2;
- (*it)[1]= (*it)[1]/div*div + div/2;
- (*it)[2]= (*it)[2]/div*div + div/2;
- }
- }
方法十一：圖像坐标
[cpp] view plain copy
- // using (j,i)
- void colorReduce11(cv::Mat &image, int div=64) {
- int nr= image.rows; // number of rows
- int nc= image.cols; // number of columns
- for (int j=0; j
- for (int i=0; i
- image.at(j,i)[0]= image.at(j,i)[0]/div*div + div/2;
- image.at(j,i)[1]= image.at(j,i)[1]/div*div + div/2;
- image.at(j,i)[2]= image.at(j,i)[2]/div*div + div/2;
- } // end of row
- }
- }
方法十二：建立輸出圖像
之前的方法都是直接修改原圖，方法十二建立了輸出圖像，主要用于後面的時間對比。
[cpp] view plain copy
- // with input/ouput images
- void colorReduce12(const cv::Mat &image, // input image
- cv::Mat &result, // output image
- int div=64) {
- int nr= image.rows; // number of rows
- int nc= image.cols ; // number of columns
- // allocate output image if necessary
- result.create(image.rows,image.cols,image.type());
- // created images have no padded pixels
- nc= nc*nr;
- nr= 1; // it is now a 1D array
- int n= static_cast<</span>int>(log(static_cast<</span>double>(div))/log(2.0));
- // mask used to round the pixel value
- uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
- for (int j=0; j
- uchar* data= result.ptr(j);
- const uchar* idata= image.ptr(j);
- for (int i=0; i
- *data++= (*idata++)&mask + div/2;
- *data++= (*idata++)&mask + div/2;
- *data++= (*idata++)&mask + div/2;
- } // end of row
- }
- }
方法十三：重載操作符
Mat重載了+&等操作符，可以直接将兩個Scalar(B,G,R)資料進行位運算和數學運算。
[cpp] view plain copy
- // using overloaded operators
- void colorReduce13(cv::Mat &image, int div=64) {
- int n= static_cast<</span>int>(log(static_cast<</span>double>(div))/log(2.0));
- // mask used to round the pixel value
- uchar mask= 0xFF<<n; // e.g. for div=16, mask= 0xF0
- // perform color reduction
- image=(image&cv::Scalar(mask,mask,mask))+cv::Scalar(div/2,div/2,div/2);
- }
時間對比
通過疊代二十次取平均時間，得到每種方法是運算時間如下。
可以看到，指針*++通路和位運算是最快的方法；而不斷的計算image.cols*image.channles()花費了大量重複的時間；另外疊代器通路雖然安全，但性能遠低于指針運算；通過圖像坐标(j,i)通路時最慢的，使用重載操作符直接運算效率最高。