Question

我正在研究二维imageA（CV_32FC1）与另一个具有OpenCV的三维imageB（CV_32FC3）之间的像素倍数，即imageA逐像素地乘以imageB的每个R \ G \ B通道。这与沿第3方向的广播图像A到3维相同，然后与图像B按像素方向相同。现在，我这样做：

vector<Mat> temp{imageA, imageA, imageA};   // imageA is CV_32FC1
merge(temp, sampA);                         // sameA is CV_32FC3 now, and each channel is same as imageA
Out = imageB.mul(sampA);                    // imageB is CV_32FC3, and do pixel-wise with sameA

我的问题是：我可以使用另一种更有效的方法来实现OpenCV的目的吗？这就像OpenCV中的一个函数。

我知道这与MXNet中的“广播”相同，即沿着第3个方向将2维图像广播到3维图像，并且每个结果通道与输入的2维图像相同。

提前致谢： - ）

Answer 1

你这样做的方式是记忆无效，但理论上是正确的。调用A.convertTo（A，CV_32FC3）;不幸的是不行。最有效的方法是致电

cv :: cvtColor（A，A，CV_GRAY2BGR）;

这将复制或重新分配内存，但是比你当前应用的方式稍微有效一些（不为cv :: Mats创建额外的标题，在向量中充当视图）。

OpenCV不支持这种乘法的原因是因为在下面使用了英特尔IPP库，而且IPP也不支持这种乘法。这是OpenCV中每个元素矩阵乘法的确切用法： https://software.intel.com/en-us/ipp-dev-reference-mul。本质上，A和B中的数据大小必须相同才能使任何这些函数工作，此外，假设A和B都是连续的，因此在您的情况下，重新分配或复制是必要的。

Answer 2

这是我的代码，用于CV_32FC3和CV_32FC1

的乘法运算

Mat matmul32F(Mat& bgr, Mat& mask)
{
    assert(bgr.type() == CV_32FC3 && mask.type() == CV_32FC1 && bgr.size() == mask.size());
    int H = bgr.rows;
    int W = bgr.cols;
    Mat dst(bgr.size(), bgr.type());

    if (bgr.isContinuous() && mask.isContinuous())
    {
        W *= H;
        H = 1;
    }

    for( int i = 0; i < H; ++i)
    {
        float* pdst = ((float*)dst.data)+i*W*3;
        float* pbgr = ((float*)bgr.data)+i*W*3;
        float* pmask = ((float*)mask.data) + i*W;
        for ( int j = 0; j < W; ++j)
        {
            (*pdst++) = (*pbgr++) *(*pmask);
            (*pdst++) = (*pbgr++) *(*pmask);
            (*pdst++) = (*pbgr++) *(*pmask);
            pmask+=1;
        }
    }
    return dst;
}

最有效的方法是自己迭代。

我测试了三种方法：

答：使用merge和mul

B：使用cvtColor和mul

C：循环唱指针和手工制作。

至于时间成本核算，在大多数情况下，A ≈ B ≈ 2 x C。典型的时间成本是：

Test A: 3.23E-03 s
Test B: 3.26E-03 s
Test C: 1.85E-03 s

如何在OpenCV中的CV_32FC1和CV_32FC3图像之间进行像素倍数

2 个答案:

这是我的代码，用于CV_32FC3和CV_32FC1