使用 MATLAB 和 OpenCV 求和图像的效率

Question

我对您的所有回答感到非常惊讶。 非常感谢！

错误代码如下所示： percentage = (double)kk * 100.0 / (double)totalnum;

在我修改为： percentage = (double)kk * 100.0 / totalnum;

问题已解决。这个简单的除法消耗了 150 中的大约 90。也许 double 和 int 之间的划分比 doubles 之间的划分要快。

再次感谢您的所有回答！

---

我正在尝试从来自视频的一组图片中获取平均图像。这项工作只有两个步骤：

1. 将所有图像汇总成一个矩阵。
2. 将矩阵除以图像数。

我在 OpenCV 中使用了以下代码：(C++)

Mat avIM = Mat::zeros(IMG_HEIGHT, IMG_WIDTH, CV_32FC3);

for (ii = startnum; ii <= endnum; ii += interval) {
    string fullname = argv[1];
    sprintf(filename, "\\%d.png", ii);
    fullname.append(filename);

    Mat tempIM = imread(fullname.c_str());
    if (tempIM.empty()) { cout << "Can't open image!\n"; return -1; }
    tempIM.convertTo(tempIM, CV_32FC3);     

    avIM += tempIM;     //Sum up every image
    ++kk;

}
avIM = avIM * (double)(1.0 / kk);   //get average'

MatLab 中的以下代码：(2015a)

avIM = zeros(size(imread([im.dir,'\',num2str(startnum),'.png'])));

pointIdx = startnum:interval:endnum;
for j=pointIdx,
    IM = imread([im.dir,'\',num2str(j),'.png']);
    avIM = avIM + double(IM); %Sum up every image
end
avIM = uint8(round(avIM./size(pointIdx,2))); %get average

但是当我在 2,100 张图像上运行这两个程序时，OpenCV 用了 150.3s（发布）而 MatLab 用了 103.1s。 C++ 程序的运行速度比 MatLab 脚本慢，这让我很困惑。

那么是什么让我的 OpenCV 程序变慢了？如果是我的矩阵访问方式造成的，应该怎么做才能提高效率？

Answer 1

您的代码似乎足够好，在我的测试中，我发现它的运行速度比 Matlab 代码快 10 倍。

但是，我展示了一个稍微优化的代码，它的执行速度比您的要快一些。

备注

请注意，我没有名为你的图片的文件夹，所以我在 C++ 版本中使用 cv::glob，在 Matlab 版本中使用 dir 来获取文件夹中图像的名称。

我的文件夹里有82张小图，所以运行时间明显比你小，但相对性能应该是靠谱的。

执行时间

                    Sum only      Get filenames + Sum
Matlab:             0.173543 s    (0.185308 s)
OpenCV @Seven Wang: 0.0145206 s   (0.0155748 s)
OpenCV @Miki:       0.0128943 s   (0.013333 s)

注意事项

确保您在 OpenCV 和 Matlab 中一致地计算运行时间。

---

代码

Matlab 代码：

tic

folder = 'D:\\SO\\temp\\old_075_6\\';
filenames = dir([folder '*.bmp']);

% Get rows and cols from 1st image
img = imread([folder name]);



S = zeros(size(img));

for ii = 1 : length(filenames)
    name = filenames(ii).name;
    currentImage = imread([folder name]);    
    S = S + double(currentImage);
end

S = uint8(round(S / length(filenames)));

toc

C++ 代码：

#include <opencv2\opencv.hpp>
#include <vector>
#include <iostream>

int main()
{
    double ticLoad = double(cv::getTickCount());

    std::string folder = "D:\\SO\\temp\\old_075_6\\*.bmp";
    std::vector<cv::String> filenames;
    cv::glob(folder, filenames);

    int rows, cols;
    {
        // Just load the first image to get rows and cols
        cv::Mat3b img = cv::imread(filenames[0]);
        rows = img.rows;
        cols = img.cols;
    }

    /*{
        double tic = double(cv::getTickCount());

        cv::Mat3d S(rows, cols, 0.0);

        for (const auto& name : filenames)
        {
            cv::Mat currentImage = cv::imread(name);
            currentImage.convertTo(currentImage, CV_64F);

            S += currentImage;

        }
        S = S * double(1.0 / filenames.size());

        cv::Mat3b avg;
        S.convertTo(avg, CV_8U);

        double toc = double(cv::getTickCount());

        double timeLoad = (toc - ticLoad) / cv::getTickFrequency();
        double time = (toc - tic) / cv::getTickFrequency();
        std::cout << "@Seven Wang: " << time << " s (" << timeLoad << " s)" << std::endl;
    }*/

    {
        double tic = double(cv::getTickCount());

        cv::Mat3d S(rows, cols, 0.0);
        cv::Mat3b currentImage;

        for (const auto& name : filenames)
        {
            currentImage = cv::imread(name);
            cv::add(S, currentImage, S, cv::noArray(), CV_64F);
        }
        S /= filenames.size();

        cv::Mat3b avg;
        S.convertTo(avg, CV_8U);

        double toc = double(cv::getTickCount());

        double timeLoad = (toc - ticLoad) / cv::getTickFrequency();
        double time = (toc - tic) / cv::getTickFrequency();
        std::cout << "@Miki: " << time << " s (" << timeLoad << " s)" << std::endl;
    }
    getchar();






    return 0;
}

Answer 2

引起我注意的一点是“CV_32FC3”类型。您是否特别喜欢 32 位浮点矩阵，并且您确定 Matlab 也以相同的方式获取像素值？

因为你有额外的步骤

tempIM.convertTo(tempIM, CV_32FC3);     

在您的 Cpp 代码中，Matlab 在检索图像后立即直接运行而无需任何转换，这可能会减慢您的 cpp 代码。此外，如果 Matlab 没有以浮点值获取图像，这可能会导致速度差异，因为与整数相比，浮点运算对于 CPU 来说是一项更难处理的任务。