Question

我目前正在使用以下功能将我的Alpha通道（存储为单独的GRAY cv :: Mats）应用于图像：

void percepUnit::applyAlpha() {

    int x,y,w,h;
    /*vector<cv::Mat> channels;
    if (image.rows == mask.rows and image.cols == mask.cols) {
        cv::split(image,channels); // break image into channels
        channels.push_back(mask); // append alpha channel

        cv::merge(channels,alphaImage); // combine channels
    }*/

    // Avoid merge
    cv::Mat src[] = {this->image, this->mask};
    int from_to[] = {0,0, 1,1, 2,2, 3,3};
    this->alphaImage = Mat(image.rows, image.cols, CV_8UC4);
    cv::mixChannels(src, 2, &(this->alphaImage), 1, from_to, 4); // &(*alphaImage)?
}

我必须将cv :: Mats的分辨率提高到1280x720（由于：How to replace an instance with another instance via pointer?），现在这个功能运行得非常慢，几乎占据了已经很重的装甲的50％细分应用程序。

有关如何更快地应用这些Alpha通道的任何建议？如果您有任何基于GPU的解决方案，我正在使用GPU运行OpenCV。）

Answer 1

我最终在GPU上进行拆分/合并：

void percepUnit::applyAlpha() {

    cv::gpu::GpuMat tmpImage, tmpMask, tmpAlphaImage;
    std::vector<cv::gpu::GpuMat> channels;

    tmpImage.upload(this->image);
    tmpMask.upload(this->mask);

    cv::gpu::split(tmpImage,channels); // break image into channels
    channels.push_back(tmpMask); // append alpha channel
    cv::gpu::merge(channels,tmpAlphaImage); // combine channels

    tmpAlphaImage.download(this->alphaImage);

    tmpAlphaImage.release();
    tmpImage.release();
    tmpMask.release();

    channels[0].release();
    channels[1].release();
    channels[2].release();
}

在OpenCV中将alpha通道应用于图像的最快方法

1 个答案: