c++ - 在opencv中按权重图像划分图像的每个 channel

Question

我有一个 3 channel 图像，基本上是加权补丁的组合。将所有贡献添加到我的总和图像后，我想将其除以权重。现在，我使用以下代码:

Mat weighted_sum, weights;
// for (Patch p: patches)
//   weighted_sum[loc_p] += w * p
//   weights[loc_p] += w;

vector<Mat> channels(3);
split(weighted_sum, channels);
for (Mat chan: channels) {
    divide(chan, weights, chan);
}
merge(channels, reconstructed);

是否有更有效的解决方案来将图像的所有 3 个 channel 除以相同的 1 个 channel 图像？

Answer 1

我测试了你的方法:

1. 拆分 - 划分 - 合并，@panmari
2. 线性化矩阵，并应用元素智能除法@Miki
3. 线性化矩阵，并应用元素明智的除法(使用指针)@Miki 和乘法而不是除法@Micka
4. 将 weights 设为 3 channel 矩阵，并对整个矩阵应用 divide @Micka。

结果(以毫秒为单位):

Size            Method1         Metdhod2        Method3         Method4
[2 x 2]         0.0359212       0.00183271      0.000733086     1.77333
[10 x 10]       0.0117294       0.00293234      0.00109963      0.0051316
[100 x 100]     0.422624        0.241918        0.0751413       0.319625
[1000 x 1000]   20.757          20.3673         7.28284         18.4389
[2000 x 2000]   83.6238         82.942          28.4353         74.2132

注意事项

• 我的方法运行速度更快，但速度提升与矩阵的大小有关。
• 方法 3(带指针)最快
• 方法 2 和方法 3 修改原始矩阵。如果您不需要更改原始矩阵，则需要进行深拷贝(clone()，请参见下面代码中的注释行)。对于原始矩阵的深拷贝，两种方法都较慢，但方法 3 仍然是最快的。
• 方法 4 不适用于 double 矩阵，因为 cvtColor 不接受 double)。
• 方法 4 的预分配矩阵只是一个小改进。
• 使用编译器 msvc12 (Visual Studio 2013) 进行测试。对于 gcc 4.8，方法 4 似乎更快。

这是我使用的代码。我正在测试浮点矩阵，但很容易移植到其他类型。

    #include <opencv2/opencv.hpp>
#include <iostream>
#include <vector>
using namespace std;
using namespace cv;


int main()
{
    vector<Size> sizes{Size(2,2), Size(10,10), Size(100,100), Size(1000,1000), Size(2000,2000)};

    cout << "Size \t\tMethod1 \tMetdhod2 \tMethod3 \tMethod4" << endl;

    for (int is = 0; is < sizes.size(); ++is)
    {

        Size sz = sizes[is];
        Mat3f weighted_sum(sz);
        randu(weighted_sum, 0, 200);

        Mat1f weights(sz);
        randu(weights, 0, 10);

        Mat3f ws1 = weighted_sum.clone();
        Mat3f ws2 = weighted_sum.clone();
        Mat3f ws3 = weighted_sum.clone();
        Mat3f ws4 = weighted_sum.clone();



        // Method 1 @parmari
        double tic1 = double(getTickCount());
        Mat3f rec1;

        vector<Mat> channels(3);
        split(ws1, channels);
        for (Mat chan : channels) {
            divide(chan, weights, chan);
        }
        merge(channels, rec1);

        double toc1 = (double(getTickCount() - tic1)) * 1000. / getTickFrequency();

        // Method 2 @Miki
        double tic2 = double(getTickCount());
        Mat3f rec2 = ws2.reshape(3, 1);
        //Mat3f rec2 = ws2.reshape(3, 1).clone(); // To not override original image
        Mat1f ww2 = weights.reshape(1, 1);
        for (int i = 0; i < rec2.cols; ++i)
        {
            double w = ww2(0, i);
            Vec3f& v = rec2(0, i);
            v[0] /= w;
            v[1] /= w;
            v[2] /= w;
        }
        rec2 = rec2.reshape(3, ws2.rows);

        double toc2 = (double(getTickCount() - tic2)) * 1000. / getTickFrequency();


        // Method 3 @Miki (+ @Micka)
        double tic3 = double(getTickCount());
        Mat3f rec3 = ws3.reshape(3, 1);
        //Mat3f rec3 = ws3.reshape(3, 1).clone(); // To not override original image
        Mat1f ww3 = weights.reshape(1, 1);

        Vec3f* prec3 = rec3.ptr<Vec3f>(0);
        float* pww = ww3.ptr<float>(0);

        for (int i = 0; i < rec3.cols; ++i)
        {
            float scale = 1. / (*pww);
            (*prec3)[0] *= scale;
            (*prec3)[1] *= scale;
            (*prec3)[2] *= scale;

            ++prec3; ++pww;
        }
        rec3 = rec3.reshape(3, ws3.rows);

        double toc3 = (double(getTickCount() - tic3)) * 1000. / getTickFrequency();


        // Method 4 @Micka
        double tic4 = double(getTickCount());
        Mat3f rec4;
        Mat3f w3ch4;
        cvtColor(weights, w3ch4, COLOR_GRAY2BGR);
        divide(ws4, w3ch4, rec4);

        double toc4 = (double(getTickCount() - tic4)) * 1000. / getTickFrequency();

        cout << sz << " \t" << toc1 << " \t" << toc2 << " \t" << toc3 << " \t" << toc4 <<  endl;

    }

    getchar();

    return 0;
}