Question

我在openCV中编写了一些代码，想要找到一个非常大的矩阵数组的中值（单通道灰度，浮点数）。

我尝试了几种方法，例如对数组进行排序（使用std :: sort）并选择中间条目，但在与matlab中的中位函数进行比较时，它非常慢。确切地说 - 在matlab中需要0.25秒才能在openCV中花费超过19秒。

我的输入图像最初是尺寸为3840x2748（~1050万像素）的12位灰度图像，转换为浮点数（CV_32FC1），其中所有值现在都映射到范围[0,1]并且在某个点上我通过调用代码请求中值：

double myMedianValue = medianMat(Input);

函数medianMat是：

double medianMat(cv::Mat Input){    
    Input = Input.reshape(0,1); // spread Input Mat to single row
    std::vector<double> vecFromMat;
    Input.copyTo(vecFromMat); // Copy Input Mat to vector vecFromMat    
    std::sort( vecFromMat.begin(), vecFromMat.end() ); // sort vecFromMat
        if (vecFromMat.size()%2==0) {return (vecFromMat[vecFromMat.size()/2-1]+vecFromMat[vecFromMat.size()/2])/2;} // in case of even-numbered matrix
    return vecFromMat[(vecFromMat.size()-1)/2]; // odd-number of elements in matrix
}

我将函数medinaMat本身和各个部分计时 - 正如预期的瓶颈在于：

  std::sort( vecFromMat.begin(), vecFromMat.end() ); // sort vecFromMat

这里有人有一个有效的解决方案吗？

谢谢！

修改我尝试过使用Adi Shavit答案中给出的std :: nth_element。

函数medianMat现在读作：

double medianMat(cv::Mat Input){    
Input = Input.reshape(0,1); // spread Input Mat to single row
std::vector<double> vecFromMat;
Input.copyTo(vecFromMat); // Copy Input Mat to vector vecFromMat
std::nth_element(vecFromMat.begin(), vecFromMat.begin() + vecFromMat.size() / 2, vecFromMat.end());
return vecFromMat[vecFromMat.size() / 2];}

运行时间从19秒降低到3.5秒。在使用中值函数的Matlab中，这仍然不到0.25秒......

Answer 1

排序和获取中间元素不是找到中位数的最有效方法。它需要O（n log n）次操作。

使用C ++，您应该使用std::nth_element()并使用中间迭代器。这是O（n）操作：

nth_element是 部分排序 算法，可重新排列[first, last)中的元素，以便：


nth指向的元素会更改为该位置中出现的任何元素 如果[first, last)已排序 。

这个新的第n个元素之前的所有元素都小于或等于新的第n个元素之后的元素。

此外，您的原始数据是12位整数。您的实现做了一些事情，使得与Matlab的比较成问题：

您转换为浮点（CV_32FC1或双倍或两者），这样做成本高昂且需要时间
代码有vector<double>
对浮点运算，特别是双运算比整数运算更多。

假设您的图像在内存中是连续的，这是OpenCV的默认值，您应该使用CV_16C1，并在reshape()

另一个应该非常快的选择是简单地构建图像的直方图 - 这是图像上的单个传递。然后，处理直方图，找到对应于每一侧像素的一半的bin - 这最多只能通过 bins 。

OpenCV文档有several tutorials on如何构建直方图。获得直方图后，累积bin值，直到通过3840x2748 / 2。这个箱子是你的中位数。

Answer 2

从原始数据中找到它可能会更快。

由于原始数据具有12位值，因此只有 4096种不同的可能值。那是一张漂亮的小桌子！在一次传递中浏览所有数据，并计算每个值的数量你有。这是O（n）操作。然后很容易找到中位数，只计算表格两端的onAfterRendering : function() { $('document').ready(function(){ sap.ui.getCore().byId('input').focus(); }); }个项目。

Answer 3

行。

我在发布问题之前实际尝试了这个问题，并且由于一些愚蠢的错误，我取消了它作为解决方案的资格......无论如何它是：

我基本上为原始输入创建了一个直方图，其中包含2 ^ 12 = 4096个二进制位，计算CDF并对其进行标准化，使其从0映射到1，并找到CDF中等于或大于的最小索引。 0.5。然后我将该指数除以12 ^ 2，从而找到所请求的中值。现在它运行0.11秒（这是在调试模式下没有大量优化），这不到Matlab所需时间的一半。

这是函数（在我的情况下，nVals = 4096对应12位值）：

double medianMat(cv::Mat Input, int nVals){

// COMPUTE HISTOGRAM OF SINGLE CHANNEL MATRIX
float range[] = { 0, nVals };
const float* histRange = { range };
bool uniform = true; bool accumulate = false;
cv::Mat hist;
calcHist(&Input, 1, 0, cv::Mat(), hist, 1, &nVals, &histRange, uniform, accumulate);

// COMPUTE CUMULATIVE DISTRIBUTION FUNCTION (CDF)
cv::Mat cdf;
hist.copyTo(cdf);
for (int i = 1; i <= nVals-1; i++){
    cdf.at<float>(i) += cdf.at<float>(i - 1);
}
cdf /= Input.total();

// COMPUTE MEDIAN
double medianVal;
for (int i = 0; i <= nVals-1; i++){
    if (cdf.at<float>(i) >= 0.5) { medianVal = i;  break; }
}
return medianVal/nVals; }

opencv中矩阵的超快中位数（与matlab一样快）

3 个答案: