具有高斯模糊的图像卷积，可以加速吗？

Question

作为前言，这是一道作业题，但我已经完成了，只是速度很慢。这对报告无关紧要。但无论如何我都在努力加快速度。

所以我正在尝试对图像应用高斯模糊

const unsigned char KERNAL_SIZE = 5;
const unsigned char KERNAL_MEAN = KERNAL_SIZE / 2;
const unsigned char GaussianBlurKernal[KERNAL_SIZE][KERNAL_SIZE] =
{ { 1, 4, 7, 4, 1 },
{ 4, 16, 26, 16, 4 },
{ 7, 26, 41, 26, 7 },
{ 4, 16, 26, 16, 4 },
{ 1, 4, 7, 4, 1 }
};
const int GAUSSIAN_KERNAL_SIZE = 273;

并通过以下代码：

Mat CustomGuassianBlur(const Mat & inputImage)
{
    Size maxSize = inputImage.size();
    Mat outputImage(maxSize, CV_8UC1, Scalar(0, 0, 0));
    for (int i = 0; i < maxSize.width; i++)
    {
        for (int j = 0; j < maxSize.height; j++)
        {
            unsigned int sum = 0;
            for (int k = -KERNAL_MEAN; k <= KERNAL_MEAN; k++)
            {
                for (int l = -KERNAL_MEAN; l <= KERNAL_MEAN; l++)
                {
                    Point imagePoint = { (i + l + maxSize.width) % maxSize.width, (j + k + maxSize.height) % maxSize.height };
                    sum = sum + inputImage.at<uchar>(imagePoint) * GaussianBlurKernal[k + KERNAL_MEAN][l + KERNAL_MEAN];
                }
            }
            sum = sum / GAUSSIAN_KERNAL_SIZE;
            outputImage.at<uchar>(j, i) = uchar(sum);
        }
    }
return outputImage;
}

过滤器大约需要 8 秒。我试图近似的 OpenCV 代码：

GaussianBlur(src_gray, detected_edges, Size(5, 5), 0, 0);

在同一张图片上耗时不到四分之一秒。

我可以做些什么来加快这个过程？我已经阅读了一些关于应用两个一维过滤器的信息，但老实说，我不能很好地理解它。我还阅读了一些关于对图像和过滤器进行 FFT，将它们相乘，然后进行 IFFT 的内容，但我认为这不是我想要在这里做的：我发现提到的资源只是当涉及到更大的过滤器时，效率会更高。

Answer 1

我的几分钱：

1. 请调用您的索引变量r 和c，以便您知道什么是行，什么是列。从长远来看，它将对您有所帮助。
2. 核心？这不应该是内核吗？还是这是另一种语言？
3. 记住您的缓存：您的矩阵以行优先顺序存储，因此每一行都要遍历每一列。
4. 如果您的内核大小是固定的，请展开内部双循环。
5. 如果您的内核大小必须更改，请在一个内部循环中使用cv::Mat::ptr() 获取当前行的地址，以至少在列索引中节省一些计算。
6. 模数宽度和高度听起来不正确。您正在使用环形图像表示。不寻常。

Answer 2

除了@CostantinoGrana 的回答，我想指出，2D 高斯平滑是线性可分的。除了使用 2D 内核，您可以使用 2 个 1D 内核 - 第一次遍历行，第二次遍历列。

此外，如果您可以访问多个内核，则可以并行对行/列进行一维过滤。请参阅cv::parallel_for_ 构造。