matlab - 在opencv中寻找熵

Question

我需要一个类似 matlab 中的 entropyfilt() 的函数，它在 opencv 中不存在。

在 matlab 中，J = entropyfilt(I) 返回数组 J，其中每个输出像素包含输入图像 I 中对应像素周围 9×9 邻域的熵值。

我用c++写了一个函数来实现它，foreach像素像这样得到它的熵:

1. 使用 cvCalHist 并适当设置掩码参数以获得图像 ROI(这是一个 9*9 的矩形)。
2. 标准化直方图，使其 bin 的总和等于 1。
3. 使用(香农)熵的公式。

我在下面列出了 C++ 代码:

GetLocalEntroyImage( const IplImage*gray_src,IplImage*entopy_image){
    int hist_size[]={256};
    float gray_range[]={0,255};
    float* ranges[] = { gray_range};
    CvHistogram * hist = cvCreateHist( 1, hist_size, CV_HIST_SPARSE, ranges,1);
    for(int i=0;i<gray_src.width;i++){
            for(int j=0;j<gray_src.height;j++){
                //calculate entropy for pixel(i,j) 
                //1.set roi rect(9*9),handle edge pixel
                CvRect roi;
                int threshold=Max(0,i-4);
                roi.x=threshold;
                threshold=Max(0,j-4);
                roi.y=threshold;
                roi.width=(i-Max(0,i-4))+1+(Min(gray_src->width-1,i+4)-i);
                roi.height=(j-Max(0,j-4))+1+(Min(gray_src->height-1,j+4)-j);
                cvSetImageROI(const_cast<IplImage*>(gray_src),roi);
                IplImage*gray_src_non_const=const_cast<IplImage*>(gray_src);                            

                //2.calHist,here I chose CV_HIST_SPARSE to speed up
                cvCalcHist( &gray_src_non_const, hist, 0, 0 );*/
                cvNormalizeHist(hist,1.0);
                float total=0;
                float entroy=0;

               //3.get entroy
                CvSparseMatIterator it;
                for(CvSparseNode*node=cvInitSparseMatIterator((CvSparseMat*)hist-   >bins,&it);node!=0;node=cvGetNextSparseNode(&it)){
                float gray_frequency=*(float*)CV_NODE_VAL((CvSparseMat*)hist->bins,node);
                entroy=entroy-gray_frequency*(log(gray_frequency)/log(2.0f));//*(log(gray_frequency)/log(2.0))
                }
                ((float*)(local_entroy_image->imageData + j*local_entroy_image->widthStep))[i]=entroy;
                cvReleaseHist(&hist);
            }
        }
        cvResetImageROI(const_cast<IplImage*>(gray_src));
    }

但是，代码太慢了。我在600*1200的图片上测试了120s，而matlab中的entroyfilt只需要5s。

有谁知道如何加速它或知道任何其他好的实现？

Answer 1

您的代码中最慢的是:log(gray_frequency)/log(2.0f))。

您不应调用 cvNormalizeHist()。您知道 bin 的总和为 81，因此只需从计算的熵中减去 81 * log(81)/log(2)(当然，这是一个常数，并非每次都在您的计算中计算)环形)。如果您不规范化直方图，它的条目将是整数，您可以使用它们来访问查找表。

因为你有一个 9x9 内核，gray_frequency 的最大值是 81(只要你不标准化直方图)，你可以很容易地替换对 log() 的这两个调用 通过预先计算的表的单次查找。这将产生巨大的不同。您可以像这样初始化一个表:

    double entropy_table[82]; // 0 .. 81
    const double log2 = log(2.0);
    entropy_table[0] = 0.0;
    for(int i = 1; i < 82; i ++)
    {
        entropy_table[i] = i * log(double(i)) / log2;
    }

然后就是:

entroy -= entropy_table[gray_frequency];

此外，您可能会发现实现自己的直方图代码是一种成功。例如。如果你有一个小内核，你可以跟踪你将要使用的垃圾箱，并且只清除那些垃圾箱。但由于您使用的是 81/256 箱，这可能不值得。

另一个可以加快速度的地方是边界像素处理。您正在检查每个像素。但是如果边界像素和内部像素有单独的循环，则可以避免对 max 和 min 的大量调用。

如果仍然不够快，您可以考虑在条纹上使用 parallel_for。作为如何做到这一点的一个很好的例子，请查看 OpenCV 形态过滤器的源代码。