在 opencv 中索引矩阵的最佳方法

可以说，A and B是相同大小的矩阵。 在Matlab，我可以使用简单的索引，如下所示。

idx = A>0;
B(idx) = 0

我怎样才能做到这一点OpenCV？我应该只使用

for (i=0; ... rows)
    for(j=0; ... cols)
        if (A.at<double>(i,j)>0) B.at<double>(i,j) = 0;

像这样的东西？有没有更好（更快、更有效）的方法？

此外，在OpenCV，当我尝试

Mat idx = A>0;

变量idx似乎是一个CV_8U矩阵（不是布尔值而是整数）。

您可以轻松转换此 MATLAB 代码：

idx = A > 0;
B(idx) = 0;

// same as 

B(A>0) = 0;

OpenCV 为：

Mat1d A(...)
Mat1d B(...)

Mat1b idx = A > 0;
B.setTo(0, idx) = 0;

// or

B.setTo(0, A > 0);

关于性能，在 C++ 中，处理原始指针通常更快（这取决于启用的优化）（但速度更慢）readable):

for (int r = 0; r < B.rows; ++r)
{
    double* pA = A.ptr<double>(r);
    double* pB = B.ptr<double>(r);
    for (int c = 0; c < B.cols; ++c)
    {
        if (pA[c] > 0.0) pB[c] = 0.0;
    }
}

另请注意，在 OpenCV 中没有任何boolean矩阵，但它是一个CV_8UC1矩阵（又名单通道矩阵unsigned char）， 在哪里0 means false，以及任何值>0是真的（通常255).

评估

注意这可能会有所不同根据 OpenCV 启用的优化。您可以在 PC 上测试下面的代码以获得准确的结果。

时间（毫秒）：

          my results           my results      @AdrienDescamps
          (OpenCV 3.0 No IPP)  (OpenCV 2.4.9)

Matlab  : 13.473     
C++ Mask: 640.824              5.81815         ~5
C++ Loop: 5.24414              4.95127         ~4

注意：我不完全确定 OpenCV 3.0 的性能下降，所以我只是说：在您的 PC 上测试下面的代码以获得准确的结果。

正如@AdrienDecamps 在评论中所说：

OpenCV 3.0 的性能下降似乎与 OpenCL 选项有关，该选项现在在比较运算符中启用。

C++ Code

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
    // Random initialize A with values in [-100, 100]
    Mat1d A(1000, 1000);
    randu(A, Scalar(-100), Scalar(100));

    // B initialized with some constant (5) value
    Mat1d B(A.rows, A.cols, 5.0); 

    // Operation: B(A>0) = 0;

    {
        // Using mask

        double tic = double(getTickCount());
        B.setTo(0, A > 0);
        double toc = (double(getTickCount()) - tic) * 1000 / getTickFrequency();

        cout << "Mask: " << toc << endl;
    }
    {
        // Using for loop

        double tic = double(getTickCount());
        for (int r = 0; r < B.rows; ++r)
        {
            double* pA = A.ptr<double>(r);
            double* pB = B.ptr<double>(r);
            for (int c = 0; c < B.cols; ++c)
            {
                if (pA[c] > 0.0) pB[c] = 0.0;
            }
        }
        double toc = (double(getTickCount()) - tic) * 1000 / getTickFrequency();

        cout << "Loop: " << toc << endl;
    }


    getchar();
    return 0;
}

Matlab代码

% Random initialize A with values in [-100, 100]
A = (rand(1000) * 200) - 100;
% B initialized with some constant (5) value
B = ones(1000) * 5; 

tic
B(A>0) = 0; 
toc

UPDATE

OpenCV 3.0在函数中使用IPP优化setTo。如果您启用了该功能（您可以检查cv::getBuildInformation()），您将获得更快的计算速度。