image - 将 3 channel 图像转换为 T 型单向量的最快方法

Question

我想将 3 channel RGB 图像展平为 T 类型的单个向量。在我的情况下，我专注于浮点数据类型。我写了一个运行良好的函数。但我想在不到 1MilliSecond 内完成这个操作。在这里，时间成本对我来说确实是一个问题。这是我的代码。

template<typename T>
inline std::vector<T> flatten_temp(cv::Mat frame_image)
{
    assert(!frame_image.empty());
    const int image_depth = frame_image.channels();
    frame_image.convertTo(frame_image, CV_32FC3);
    cv::Mat *planes =  new cv::Mat[image_depth];        
    
    // /** Split into BGR */
    cv::split(frame_image, planes);
    std::vector<T> flattened_image;
    
    flattened_image.assign(planes[0].begin<T>(), planes[0].end<T>());

    for (int i = 1; i < image_depth; ++i) {
        flattened_image.insert(flattened_image.end(), planes[i].begin<T>(), planes[i].end<T>());
    }
    frame_image.release();
    delete [] planes;
    return flattened_image;
}

任何帮助，将不胜感激。

Answer 1

insert在 flattened_image多次调整向量的大小。此外，插入可能不如普通 std::copy 快。 (可以在这里完成)。确实，如果 planes[i].begin<T>()和 planes[i].end<T>()是微不足道的连续随机迭代器，std::copy甚至可以memmove或 memcpy非常快的内存块。
因此，您可以先尝试使用flattened_image.reserve(image_width * image_height * image_depth) .然后，尝试将向量直接分配到合适的大小(用 0 自动填充)，然后执行 std::copy(planes[i].begin<T>(), planes[i].end<T>(), flattened_image.begin()) .第二个版本应该快一点。如果 channel 在内存中交错，则此代码不是最有效的，因为输入图像将在内存中多次读取。在这种情况下，最好在交叉 channel 的同时逐行遍历图像。
请注意，如果数据不连续，您还可以利用并行性和 SIMD 指令来使此代码更快(OpenMP 可能是一个好的开始)。一旦优化，这样的计算应该受到内存层次结构速度的限制，因此在几乎所有相对较新的计算机上，1920x1080x4 的计算时间都不到 1 毫秒。