在opencv中索引矩阵的最佳方法

Question

假设A 和B 是大小相同的矩阵。 在Matlab 中，我可以使用如下简单的索引。

idx = A>0;
B(idx) = 0

如何在OpenCV 中执行此操作？我应该使用

for (i=0; ... rows)
    for(j=0; ... cols)
        if (A.at<double>(i,j)>0) B.at<double>(i,j) = 0;

像这样？有没有更好（更快、更高效）的方法？

另外，在OpenCV，当我尝试

Mat idx = A>0;

变量idx 似乎是一个CV_8U 矩阵（不是布尔值，而是整数）。

Answer 1

您可以轻松转换此 MATLAB 代码：

idx = A > 0;
B(idx) = 0;

// same as 

B(A>0) = 0;

到 OpenCV 为：

Mat1d A(...)
Mat1d B(...)

Mat1b idx = A > 0;
B.setTo(0, idx) = 0;

// or

B.setTo(0, A > 0);

关于性能，在 C++ 中，处理原始指针通常更快（取决于启用的优化）（但可读性）：

for (int r = 0; r < B.rows; ++r)
{
    double* pA = A.ptr<double>(r);
    double* pB = B.ptr<double>(r);
    for (int c = 0; c < B.cols; ++c)
    {
        if (pA[c] > 0.0) pB[c] = 0.0;
    }
}

另请注意，在 OpenCV 中没有任何 布尔 矩阵，但它是一个 CV_8UC1 矩阵（又名unsigned char 的单通道矩阵），其中0 表示false ，并且任何值 >0 都是 true（通常是 255）。

评估

请注意，这可能会有所不同，具体取决于 OpenCV 启用的优化。您可以在您的 PC 上测试下面的代码以获得准确的结果。

以毫秒为单位的时间：

          my results           my results      @AdrienDescamps
          (OpenCV 3.0 No IPP)  (OpenCV 2.4.9)

Matlab  : 13.473     
C++ Mask: 640.824              5.81815         ~5
C++ Loop: 5.24414              4.95127         ~4

注意：我不完全确定 OpenCV 3.0 的性能下降，所以我只是说：在您的 PC 上测试下面的代码以获得准确的结果。

正如@AdrienDescamps 在 cmets 中所述：

OpenCV 3.0 的性能下降似乎与 OpenCL 选项有关，该选项现在在比较运算符中启用。

C++ 代码

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
    // Random initialize A with values in [-100, 100]
    Mat1d A(1000, 1000);
    randu(A, Scalar(-100), Scalar(100));

    // B initialized with some constant (5) value
    Mat1d B(A.rows, A.cols, 5.0); 

    // Operation: B(A>0) = 0;

    {
        // Using mask

        double tic = double(getTickCount());
        B.setTo(0, A > 0);
        double toc = (double(getTickCount()) - tic) * 1000 / getTickFrequency();

        cout << "Mask: " << toc << endl;
    }
    {
        // Using for loop

        double tic = double(getTickCount());
        for (int r = 0; r < B.rows; ++r)
        {
            double* pA = A.ptr<double>(r);
            double* pB = B.ptr<double>(r);
            for (int c = 0; c < B.cols; ++c)
            {
                if (pA[c] > 0.0) pB[c] = 0.0;
            }
        }
        double toc = (double(getTickCount()) - tic) * 1000 / getTickFrequency();

        cout << "Loop: " << toc << endl;
    }


    getchar();
    return 0;
}

Matlab 代码

% Random initialize A with values in [-100, 100]
A = (rand(1000) * 200) - 100;
% B initialized with some constant (5) value
B = ones(1000) * 5; 

tic
B(A>0) = 0; 
toc

更新

OpenCV 3.0 在函数setTo 中使用IPP 优化。如果您启用了该功能（您可以通过cv::getBuildInformation() 进行检查），您将获得更快的计算速度。

Answer 2

Miki 的回答非常好，但我只是想对性能问题进行一些澄清以避免任何混淆。

确实，使用 OpenCV 实现图像过滤器（或任何算法）的最佳方法是使用原始指针，如 Miki（C++ 循环）的第二个 C++ 示例所示。 使用 at 函数也是正确的，但速度要慢很多。

但是，大多数时候，您不必担心这一点，您可以简单地使用 OpenCV 的高级功能（Miki 的第一个示例，C++ Mask）。它们经过了很好的优化，通常几乎与指针上的低级循环一样快，甚至更快。

当然，也有例外（我们刚刚发现了一个），您应该始终针对您的具体问题进行测试。

现在，关于这个具体问题：

此处的示例中，高级函数比低级循环慢得多（慢 100 倍）不是正常情况，因为 OpenCV 的其他版本/配置的时间要低得多。 问题似乎是，当使用 OpenCL 编译 OpenCV3.0 时，第一次调用使用 OpenCL 的函数会产生巨大的开销。如果您使用 OpenCV3.0，最简单的解决方案是在编译时禁用 OpenCL（如果您有兴趣，请参阅 here 了解其他可能的解决方案）。