Day 7 - Opencv 对连续图像的高速扫描

1.前言

为了提高性能，可以在图像的每行末尾用额外的像素填充到某个数字的整数倍，例如8，图像处理的性能可能会提高，因此最好根据内存配置情况将数据对齐。若去掉填充后，图像仍可看作是W*H像素的长一维数组。

//检查矩阵是否连续
//检查行的长度（字节数）与“列的个数*单个像素的字节数”是否相等
image.step == image.cols * image.elemSize();

还有另一种方式也可以检查图像矩阵是否被填充：

cv::Mat的 isContinuous

利用这些，在出一些特殊的处理算法中，我们就可以充分利用图像的连续性，在单个循环内来处理图像。

2. 代码

#include 
#include 
#include 
#include 

//减色函数
void reduceColor(cv::Mat image, int n);

int main(int argc, char** argv)
{
	cv::Mat image = cv::imread("15011.jpg");
	if (image.empty())
	{
		std::cout << "\n Durn, couldn't read image filename " << std::endl;
		return 1;
	}
	cv::namedWindow("Original Image");
	cv::imshow("Original Image", image);

	auto startTime = std::chrono::system_clock::now();
	reduceColor(image, 32);
	auto endTime = std::chrono::system_clock::now();
	std::cout << "time:" << std::chrono::duration_cast<std::chrono::microseconds>(endTime - startTime).count() << std::endl;
	cv::namedWindow("ReducedColr Image");
	cv::imshow("ReducedColr Image", image);
	cv::waitKey(0);
	return 0;
}


//image: 输入图像
//div    : 减色因子
void reduceColor(cv::Mat image, int div)
{
	if (image.isContinuous())  //判断图像是否被填充
	{		
		//对矩阵的行和列进行重组
		image = image.reshape(1,  //通道数 
			1); //行数
	}

	int rows = image.rows; //行，高度
	int cols = image.cols; //列，宽度
	int allCols = cols * image.channels();//每行的元素总数

	double nTemp = std::log(static_cast<double>(div)) / std::log(2.0); //求解给定div下的n值 div = pow(2, n);
	int n = static_cast<int>(nTemp + 0.5); //0.5相当于四舍五入

	//掩码，求div的倍数
	uchar mask = 0xFF << n;

	//对每个元素进行遍历
	for (int i = 0; i < rows; i++) //行遍历
	{
		uchar* data = image.ptr<uchar>(i); //获取行的首地址
		for (int j = 0; j < allCols; j++) //列遍历
		{

			*data &= mask; //掩码运算
			*data++ += div >> 1;
		}
	}
}

注：opencv中的reshape之后，似乎可以不用再reshape回来，因为结果可以直接显示。

3.低层次指针算法

从图像的起点开始循环：

uchar* data = image.data;

从一行移动到下一行

data += image.step;//下一行

通过下面的方法得到第j行第i列的像素的地址：

data = image.daa + j * image.step + i * image.elemSize();

但是并不推荐使用这种方式。