轮廓检测占用了我计算机视觉中的大部分时间，而且需要更快。我已经通过NEON指令和矢量化优化了其他所有内容，实际上，轮廓检测在配置文件中占主导地位。不幸的是，对我来说如何优化这一点并不明显。
我正在进行经典的矩形检测过程，以找到基准标记，即cvFindContours（），然后从轮廓中逼近正方形。如果有许多标记可见（或灾难性的，当看不到标记的密集矩形网格时），单独调用cvFindContours（）可能需要在iPhone上花费> 30ms。
我已经用cvFindContours（）替换了非常昂贵的C ++ cv :: FindContours（）。特别是如果传递了一个向量＆gt;，那么C ++版本花费的分配和填充向量比其内部cvFindContours（）花费的时间更长！
现在，我完全被cvFindContours中的时间束缚，或者更具体地说是cvFindNextContour（）。 cvFindNextContour中的代码是分支密集的，并且显然不容易向量化。它还实现了一个复杂的算法，我不相信自己在任何优化尝试中都不会出错。
我已经查看了cvBlobLib（用于消除歧义，我的意思是这个：http://code.google.com/p/cvblob/），看看它是否提供了可以更快地做同样事情的替代算法。源的基本下载非常慢，因为它将轮廓记录到std :: list（）中，并且几乎所有时间都花在内存分配上。使用预先调整大小为256个元素的std :: vector替换该列表以消除push_back（）上的初始副本仍然会使您的函数比cvFindContours（）长3倍，其中66％直接在cvb :: cvLabel中（ ）。所以走这条路似乎不太可行。
有没有人对如何优化多个矩形的检测有任何想法。我模糊的手工包括：
有没有相当于cvFindContour（）的快速实现，理想情况下是源代码，因为我是多平台，在那里？
大多数轮廓不是必需的，只有“成功”的矩形才有用。特别是，它们的内部轮廓无用。从理论上讲，我是否可以根本不调用cvFindContours，而是调用cvStartFindContours / cvFindNextContour，测试每个轮廓，如果找到一个我正在寻找的矩形，则不会递归，因为子矩形会被保证无用？
我可以使用经典的FindContours（）/ ApproxPoly（）方法使用完全不同的矩形检测算法吗？
有没有办法用有用的感兴趣区域“填充”cvFindContours？例如。快速角点检测几乎总是返回我的基准标记角落，即使是非常激进的阈值。有没有办法使用该点集来限制检测？ （不幸的是，我不知道这有多大帮助，在许多标记的情况下，或者与标记无关的密集网格线，这在我的应用程序中经常发生。）
与上面一样，由于Blob检测可以（如果我理解正确）实现为递归泛洪填充，是否有任何快速矢量化实现，然后可以用于某种方式拉出有趣的Blob从那里看矩形和种子轮廓检测？
欢迎任何想法！
答案 0 :(得分：2)
由于你的目标是矩形检测而不是轮廓检测，我建议使用积分图像进行计算。可以找到对整数图像的解释here。在计算所需图像的积分图像之后，可以通过三个操作来计算矩形的像素总和。
假设您想在每个非黑色对象周围绘制矩形，您可以使用如下方法。递归地保持将图像及其子图像划分为4并丢弃矩形，其像素总和低于所需阈值。您将留下许多近似物体的小矩形。合并相邻的矩形将快速逼近检测到的对象。