在opencv中，使用Mat类型计算马氏距离太慢了。如何提高效率？

Posted 2023-02-22

【中文标题】在opencv中，使用Mat类型计算马氏距离太慢了。如何提高效率？

【英文标题】：In opencv,It's too slow by use Mat type to calculate the Mahalanobis distance. How can i improve the efficiency？

【发布时间】：2017-11-21 06:01:09

【问题描述】：

Mat imv;
Mat_<double>end(1, 1);
double distance;
Mat_<double>Point(1, 3);     
...
imv = Point.t();
end = Point*inv[m]*imv;
distance = sqrt(end(0, 0));

有变量类型的定义和马氏距离的计算过程。

【问题讨论】：

您的问题是什么？您测量了哪些基准？你用的是什么平台？如果您需要帮助，请再努力一点！

抱歉缺少细节。我尝试计算数据（点）和颜色模型之间的马氏距离（inv[m] 是颜色 m 的协方差矩阵）我计算每个像素之间的距离在 ROI 和颜色模型中对像素进行分类。当我运行代码时，它花了很多时间在“end = Point*inv[m]*imv”。我想知道如何优化这部分。是因为类型是Mat吗？

仍然没有minimal reproducible example，也没有任何证据表明正在进行任何测量。

【参考方案1】：

很抱歉表达不清楚。我尝试遍历图像中的每个像素，计算它们与颜色模型之间的马氏距离太慢了。我一直认为应该从矩阵乘法的效率。今天我通过使用多线程提高循环速度来提高效率，它很有用。

#pragma omp parallel for num_threads(6)
            for (int m = 0; m < k_num; m++)        
                Mat_<double>end(1, 1);
                double distance = 1000;
                Mat_<double>Point(1, 3);
                 Point(0, 0) = double(data3[j * 3]) - mean1[m].at<double>(0, 0);
                Point(0, 1) = double(data3[j * 3 + 1]) - mean1[m].at<double>(0, 1);
                Point(0, 2) = double(data3[j * 3 + 2]) - mean1[m].at<double>(0, 2);

                end = Point * inv[m] * Point.t();
                distance = sqrt(end(0, 0));