场景需求
采样是在做大量数据计算时常用的优化方法,合理的采样方式可以使计算速度提高数十倍数百倍。比如原本1000*1000的图像数据要进行百次迭代计算,运用采样法提取100*100的图像数据进行分析,最少提速100倍,大大减少了不必要的计算,从而提高程序运行速度。该方法我通常用于面形拟合,来快速计算拟合系数,也常用于迭代计算;但是,一定要注意,合理的采样间隔很重要,不要一味追求速度,采样提速的同时也意味着有效数据的减少,对结果是有一定影响的,合理的设计才可以忽略此影响。
话不多说,下方为具体实现函数和测试代码。
功能函数代码
/** * @brief GridSampling 设置采样的位置点 * @param size 重采样的范围尺寸 * @param rowinterval 行间隔 * @param colinterval 列间隔 * @return 重采样的mask */ cv::Mat GridSampling(const cv::Size& size, int rowinterval, int colinterval) { cv::Mat dst(size, CV_8UC1, cv::Scalar(0)); //设置采样的位置点 int Row = dst.rows; int Col = dst.cols; for (int row = 0; row < Row; row += rowinterval) { for (int col = 0; col < Col; col += colinterval) { dst.at<uchar>(row, col) = 255; } } return dst; }
C++测试代码
#include <iostream> #include <opencv.hpp> using namespace std; using namespace cv; cv::Mat GridSampling(const cv::Size& size, int rowinterval, int colinterval); int main() { // 随机生成一个矩阵 cv::Mat src(100,100,CV_32FC1); for (int i = 0; i < 100; ++i) { for (int j = 0; j < 100; ++j) { src.at<float>(i, j) = rand() % 255; } } // 创建掩膜mask cv::Mat mask = cv::Mat::zeros(src.size(), CV_8UC1); cv::circle(mask, cv::Point(50, 50), 40, 255, -1); // 创建采样区 int sampInterval = 2; // 采样间隔为2 cv::Mat samp = GridSampling(src.size(), sampInterval, sampInterval); cv::Mat samp_mask = samp.clone(); samp_mask.setTo(0, ~mask); // 将采样区的数据放置在sampling中存储,以便后续计算 std::vector<cv::Point> samplingidx_roi; cv::findNonZero(samp_mask, samplingidx_roi); int len = (int)samplingidx_roi.size(); cv::Mat sampling(len, 1, CV_32FC1, 0.0f); auto tmp = samplingidx_roi.begin(); for (int i = 0; i < len; ++i, ++tmp) { int x = tmp->x; int y = tmp->y; sampling.ptr<float>(i)[0] = src.ptr<float>(y)[x]; } system("pause"); return 0; } /** * @brief GridSampling 设置采样的位置点 * @param size 重采样的范围尺寸 * @param rowinterval 行间隔 * @param colinterval 列间隔 * @return 重采样的mask */ cv::Mat GridSampling(const cv::Size& size, int rowinterval, int colinterval) { cv::Mat dst(size, CV_8UC1, cv::Scalar(0)); //设置采样的位置点 int Row = dst.rows; int Col = dst.cols; for (int row = 0; row < Row; row += rowinterval) { for (int col = 0; col < Col; col += colinterval) { dst.at<uchar>(row, col) = 255; } } return dst; }
测试效果
图1 采样区创建
图2 采样区掩膜处理
图3 采样数据
图3 采样数据
在测试案例中,随机生成了一个100*100的数据矩阵,运用采样函数创建了采样区,再进行掩膜处理,将所需要计算的采样点对应的数据放置在sampling矩阵中,1257是采样点的个数,之后就可以进行一些矩阵计算来实现各种各样的功能。
如果函数有什么可以改进完善的地方,非常欢迎大家指出,一同进步何乐而不为呢~
如果文章帮助到你了,可以点个赞让我知道,我会很快乐~加油!