C++-采样函数GridSampling(采样提速必备)
Posted 翟天保Steven
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了C++-采样函数GridSampling(采样提速必备)相关的知识,希望对你有一定的参考价值。
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
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!
以上是关于C++-采样函数GridSampling(采样提速必备)的主要内容,如果未能解决你的问题,请参考以下文章
R语言使用caret包中的createResample函数进行机器学习数据集采样数据集有放回的采样(bootstrapping)