Opencv之像素遍历方法对比

1.介绍

    对于图像像素点的遍历，我们常用的方法是动态地址运输（dst.at(i, j)[0]），用这种方法的原因是简单易懂，但它的效率又是怎么样，没做过对比的话，可能的确是不清楚。用过c++或者c语言的人，说起要比速度，第一时间想到的是要上指针（对于结合汇编语言或者其它什么就先搁一下吧），另外，在c++中，用迭代器也是很快，那么究竟这三种方法谁是王者呢？

 

2.代码

    以下代码比较简单，主要是以反色操作作为示例来讲解

#include
#include
#include
using namespace std;
using namespace cv;

/*用指针访问像素*/
void invertColorPtr(Mat& src, Mat& dst) {
	dst = src.clone();
	int rowNumber = dst.rows;
	int colNumber = dst.cols * dst.channels();

	for (int i = 0; i < rowNumber; ++i) {
		uchar* data = dst.ptr(i);
		for (int j = 0; j < colNumber; ++j)
			data[j] = 255 - data[j];
	}
}

/*用迭代器操作像素*/
void invertColorIte(Mat& src, Mat& dst) {
	dst = src.clone();
	Mat_::iterator it = dst.begin();
	Mat_::iterator itend = dst.end();
	for (; it != itend; ++it) {
		(*it)[0] = 255 - (*it)[0];
		(*it)[1] = 255 - (*it)[1];
		(*it)[2] = 255 - (*it)[2];
	}
}

/*动态地址计算*/
void invertColorDyn(Mat& src, Mat& dst) {
	dst = src.clone();
	int rowNumber = dst.rows;
	int colNumber = dst.cols;

	for (int i = 0; i < rowNumber; ++i) {
		for (int j = 0; j < colNumber; ++j) {
			dst.at(i, j)[0] = 255 - dst.at(i, j)[0];
			dst.at(i, j)[1] = 255 - dst.at(i, j)[1];
			dst.at(i, j)[2] = 255 - dst.at(i, j)[2];
		}
	}
}


int main() {
	Mat srcImage = imread("131.png");
	imshow("原始图片", srcImage);

	Mat dstImage;
	dstImage.create(srcImage.rows, srcImage.cols, srcImage.type());

	double time0 = static_cast(getTickCount());
	invertColorPtr(srcImage, dstImage);
	time0 = ((double)getTickCount() - time0) / getTickFrequency();
	cout << "用指针访问像素方法运行时间为：" << time0 << "秒" << endl;

	time0 = static_cast(getTickCount());
	invertColorIte(srcImage, dstImage);
	time0 = ((double)getTickCount() - time0) / getTickFrequency();
	cout << "用迭代器操作像素方法运行时间为：" << time0 << "秒" << endl;

	time0 = static_cast(getTickCount());
	invertColorDyn(srcImage, dstImage);
	time0 = ((double)getTickCount() - time0) / getTickFrequency();
	cout << "用动态地址计算方法运行时间为：" << time0 << "秒" << endl;

	imshow("效果图", dstImage);
	waitKey(0);
	return 0;
}

    在Debug的情况下：

    在Release的情况下（其实编译器做了一些优化）：