更快的平均计算（openCV，C++）答案

【问题标题】：Faster mean calculation (openCV, C++)更快的平均计算（openCV，C++）
【发布时间】：2016-02-10 09:26:10
【问题描述】：

我正在计算 C++ 中图像内多个平方区域的平均值。因此，我在图像上移动了一个平方区域并使用 openCV“均值”函数计算均值，但将其替换为 std。平均计算（见下文），它出乎意料地更快。然而，在 Android 设备上它需要大约 8 毫秒，因为平均计算被调用了大约 400 次（每次平均计算需要大约 0.025 毫秒）

uchar rectSize = 10;
Rect roi(0,0,rectSize, rectSize);
int pxNumber = rectSize * rectSize;
uchar value;

//Shifting the region to the bottom
for(uchar y=0; y<NumberOfRectangles_Y; y++)
{
    p = outBitMat.ptr<uchar>(y);
    roi.x = rectSize;

    //Shifting the region to the right
    for(uchar x=0; x<NumberOfRectangles_X; x++, ++p)
    {
        meanCalc(normalized(roi),rectSize, pxNumber, value);
        roi.x += rectSize;
    }

    roi.y += rectSize;
}


 void meanCalc(const cv::Mat& normalized, uchar& rectSize, int& pxNumber, uchar& value)
{
   for(uchar y=0; y < rectSize; y++)
   {
      p = normalized.ptr<uchar>(y);

      for(uchar x=0; x < rectSize; x++, ++p)
      {
        sum += *p;
      }
   }
   value =  sum / (float)pxNumber;
}

有没有办法加快图像内每个矩形窗口的平均计算速度？我可以进行某种预像素排序以仅计算一次平均值并更快吗？

提前致谢

更新

根据用户 6502 的回答和总和表的使用，我得出以下结论：

Mat tab;
integral(image,tab);
int* input = (int*)(tab.data);
value = (input[yStart*tabWidth + xStart] + input[(yStart+rectSize)*tabWidth + xStart+rectSize]
                   - input[yStart*tabWidth + xStart+rectSize] - input[(yStart+rectSize)*tabWidth + xStart]) / (double)pxNumber;

因此这个函数需要几乎相同的时间。是不是只有在计算大量重叠区域时，总和表才有用。因为在我的情况下，我只触摸每个像素进行一次计算。

【问题讨论】：

你应该看看summed area tables
既然你标记了OpenCV，你可以使用cv::integral

标签： c++ performance opencv mean

【解决方案1】：

您可以通过预先计算“summed area table”，在恒定时间内（与矩形大小无关）计算任何矩形的平均值。

您需要计算一个表格，其中元素(i, j) 是矩形中从(0, 0) 到(i, j) 的所有原始数据的总和，这可以在数据的单次传递中完成。

获得表格后，(x0, y0) 和 (x1, y1) 之间的值的总和可以通过以下公式在恒定时间内计算：

tab(x0, y0) + tab(x1, y1) - tab(x0, y1) - tab(x1, y0)

要了解算法的工作原理，首先考虑一维情况会更容易：要在恒定时间内计算从 v[x0] 到 v[x1] 的值的总和，您可以预先计算一个表

st[0] = v[0];
for (int i=1; i<n; i++) st[i] = st[i-1] + v[i];

然后你可以通过st[x1] - st[x0]的差来知道原始数据任意区间的总和。

该算法确实可以轻松扩展到n 维度。

此外，乍一看可能并不明显，但可以为多核架构实现总面积表的预计算，以利用并行执行。

对于 2d，一个简单的分解是考虑计算 2d sum table 与计算每行的 1d sum table，然后为结果上的每一列计算 1d sum table 相同。

【讨论】：

这是由cv::integral在OpenCV中完成的
感谢您提出这个想法！如果有性能改进，我只是在实施和测量运行时间。之后我会发布我的结果。
也称为积分图像。我认为这也用于 Viola-Jones 人脸检测算法。

【解决方案2】：

您可以使用来自Simd Library的优化版menCalc函数：

SIMD_API void SimdValueSum(const uint8_t * src, size_t stride, 
    size_t width, size_t height, uint64_t * sum);

因为使用不同的 SIMD，如 SSE、AVX 等，所以速度要快得多。

【讨论】：