使用 OpenCV 进行奇怪的 uint8_t 转换

Question

我在 OpenCV 中的 Matrix 类中遇到了关于将浮点数转换为 uint8_t 的奇怪行为。 似乎带有 Matrix 类的 OpenCV 通过执行 ceil 而不是截断小数来将 float 转换为 uint8_t。

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/imgcodecs.hpp>

int main() {

  cv::Mat m1(1, 1, CV_8UC1);
  cv::Mat m2(1, 1, CV_8UC1);
  cv::Mat m3(1, 1, CV_8UC1);
  m1.at<uint8_t>(0, 0) = 121;
  m2.at<uint8_t>(0, 0) = 105;
  m3.at<uint8_t>(0, 0) =  82;
  
  cv::Mat x = m1 * 0.5 + m2 * 0.25 + m3 * 0.25;
  printf("%d \n", x.at<uint8_t>(0, 0));
  
  uint8_t r = 121 * 0.5 + 105 * 0.25 + 82 * 0.25;
  printf("%d \n\n", r);

  return 0;
}

输出：

108
107

您知道为什么会出现这种附加以及如何纠正这种行为吗？

谢谢，

Answer 1

奇怪的行为是cv::MatExpr 和Lasy evaluation 使用的结果，如here 所述。

实际结果等于：

round(round(121*0.5 + 105*0.25) + 82*0.25) = 108

• 使用四舍五入是因为元素类型是 UINT8（整数类型）。
• 计算顺序是“Lasy 评估”策略的结果。

---

使用调试器跟踪计算过程具有挑战性，因为 OpenCV 实现包括运算符重载、模板、宏和函数指针...

实际计算在static void scalar_loop函数中进行

dst[x] = op::r(src1[x], src2[x], scalar);

例如：src1[x] = 121、src2[x] = 105 和 scalar = 0.5。

它执行一个内联函数：

inline uchar c_add<uchar, float>(uchar a, uchar b, float alpha, float beta, float gamma)
{ return saturate_cast<uchar>(CV_8TO32F(a) * alpha + CV_8TO32F(b) * beta + gamma); }

实际四舍五入在saturate_cast:

template<> inline uchar saturate_cast<uchar>(float v)        { int iv = cvRound(v); return saturate_cast<uchar>(iv); }

cvRound 使用 SIMD 内在 return _mm_cvtss_si32(t)
相当于：return (int)(value + (value >= 0 ? 0.5f : -0.5f));

---

Lasy 评估阶段使用alpha 和beta 标量构建MatExpr。

cv::Mat x = m1 * 0.5 + m2 * 0.25 + m3 * 0.25;  //m1 = 121, m2 = 105, m3 = 82

表达式是递归构建的（难以理解）。

按照“运算符+”功能（使用调试器）：

MatExpr operator + (const MatExpr& e1, const MatExpr& e2)
{
    MatExpr en;
    e1.op->add(e1, e2, en);
    return en;
}

---

State 1:
e1.a data = 121 (UINT8)
e1.b (NULL)
e1.alpha = 0.5
e1.beta  = 0

e2.a data = 105 (UINT8)
e1.b (NULL)
e1.alpha = 0.25
e1.beta  = 0

Result:
en.a data = 121 (UINT8)
en.b data = 105 (UINT8)
en.alpha = 0.5
en.beta = 0.25



State 2:
e1.a data = 121 (UINT8)
e1.b data = 105 (UINT8)
e1.alpha = 0.5
e1.beta = 0.25


e2.a data = 82 (UINT8)
e1.b (NULL)
e1.alpha = 0.25
e1.beta  = 0

en.a data = 87 (UINT8)   <--- 121*0.5 + 105*0.25 = 86.7500 rounded to 87
en.b data = 82 (UINT8)
en.alpha = 1
en.beta = 0.25



Stage 3: (in MatExpr::operator Mat() const):
m data = 108 (UINT8)   <--- 87*1 + 82*0.25 = 87 + 20.5 = 107.5 rounded to 108

---

您可以尝试使用调试器跟踪计算过程。
它需要在调试配置中从源代码构建 OpenCV，并且需要大量的耐心...