OpenCV Mat每元素操作：向量矩阵乘法

Question

我是 mxn 矩阵， I 的每个元素都是 1x3 向量（ I 实际上是一个3通道Mat图像。

M 是 3x3 矩阵。

J 是一个与 I 具有相同尺寸的矩阵，计算方法如下： J 的每个元素都是矢量矩阵乘积 I 和 M 的相应（即具有相同坐标）元素。

即。如果 v1（r1，g1，b1）是 I 的元素而 v2（r2，g2，b2）是其对应的元素< strong> J ，然后 v2 = v1 * M （这是一个矢量矩阵产品，不是每个元素的产品）。

问题：如何有效地计算 J （就速度而言）？

感谢您的帮助。

Answer 1

据我所知，实现此类操作的最有效方法如下：

1. 从 mxnx3 重新我到（m·n）x3 ，我们称之为我
2. 计算 J' = 我 * M
3. 从（m·n）x3 重新 J'到 mxnx3 ，这是我们想要的 J

我们的想法是将每个像素操作 p _i '· M 堆叠成一个单独的操作 P'· M ，其中 P 是包含列中每个像素的 3x（m·n）矩阵（因此 P'< / strong>每行保留一个像素。这只是一个惯例，真的。）

以下是用c ++编写的代码示例：

//  read some image
cv::Mat I = cv::imread("image.png");               //  rows x cols x 3

//  some matrix M, that modifies each pixel
cv::Mat M = (cv::Mat_<float>(3, 3) << 0,  0,  0, 
                                      0, .5,  0, 
                                      0,  0, .5);  //  3 x 3

//  remember old dimension
uint8_t prevChannels = I.channels;                 
uint32_t prevRows = I.rows;                        

//  reshape I
uint32_t newRows = I.rows * I.cols;                
I = I.reshape(1, newRows);                         //  (rows * cols) x 3

//  compute J
cv::Mat J = I * M;                                 //  (rows * cols) x 3

//  reshape to original dimensions
J = J.reshape(prevChannels, prevRows);             //  rows x cols x 3

OpenCV提供 O（1）重塑操作。 因此，性能完全取决于矩阵乘法，我期望在计算机视觉库中尽可能高效。

为了进一步提高性能，您可能需要使用ocl和gpu模块来查看矩阵乘法。