在 OpenCV 中应用蒙版

Posted 2023-02-21

【中文标题】在 OpenCV 中应用蒙版

【英文标题】：Apply Mask in OpenCV

【发布时间】：2019-10-28 11:26:36

【问题描述】：

我从这张图片开始：

我想直接在车辆前方的车道标记上着色（是的，这是针对 Udacity 在线课程，但他们希望我在 python 中执行此操作，但我宁愿在 C++ 中执行此操作）

找到正确的标记很容易：

这适用于为标记着色：

  cv::MatIterator_<cv::Vec3b> output_pix_it = output.begin<cv::Vec3b>(); 
  cv::MatIterator_<cv::Vec3b> output_end = output.end<cv::Vec3b>();

  cv::MatIterator_<cv::Vec3b> mask_pix_it = lane_markers.begin<cv::Vec3b>(); 

  //auto t1 = std::chrono::high_resolution_clock::now();

  while (output_pix_it != output_end)
  
    if((*mask_pix_it)[0] == 255)
    
      (*output_pix_it)[0] = 0;
      (*output_pix_it)[1] = 0;
      (*output_pix_it)[2] = 255;
    

    ++output_pix_it;
    ++mask_pix_it;
  

正确生产

但我有点惊讶，它似乎有点慢，需要 1-2 毫秒（在核心 i7-7700HQ 上 w/16gb ram，使用 -O3 编译）用于 960 x 540 的图像

在此处遵循“有效方式”：https://docs.opencv.org/2.4/doc/tutorials/core/how_to_scan_images/how_to_scan_images.html#howtoscanimagesopencv

我想出了：

    unsigned char *o; // pointer to first element in output Mat
    unsigned char *m; //pointer to first element in mask Mat
    o = output.data;
    m = lane_markers.data;
    size_t pixel_elements = output.rows * output.cols * output.channels();

    for( size_t i=0; i < pixel_elements; i+=3 )
    
      if(m[i] == 255)
      
        o[i] = 0;
        o[i+1] = 0;
        o[i+2] = 255;
      
    

这大约快 3 倍......但不会产生正确的结果：

所有 cv::Mat 对象都是 8UC3 类型（标准 BGR 像素格式）。 据我所知，Mat 对象的基础数据应该是长度像素宽度 * 像素高度 * 通道数的 unsigned chars 数组。但似乎我错过了一些东西。 isContinuous() 对于输出矩阵和掩码矩阵都为真。我在 Ubuntu 18.04 上使用 openCV 3.4.4。我错过了什么？

【问题讨论】：

为什么你认为 1-2 ms 很慢？

你到底在问什么？ “我错过了什么”太宽泛了

@nada 来自经验，对于正在执行的操作，它似乎应该比原来更快。使用答案中提到的setTo() 函数以大约 45 us 或大约 25 到 40 倍的速度应用掩码。在这种情况下，看起来他们可能会在后台使用 CUDA 和 GPU 来获得这种速度。在诸如此类的视觉管道中，最小化延迟对于拥有响应式控制系统至关重要。我的 hack 不起作用，这仍然让我有点发疯，但我想哦，好吧。给出的答案是一个更好的解决方案。

【参考方案1】：

将Mat 的屏蔽区域设置为特定值的典型方法是使用Mat::setTo 函数：

cv::Mat mask;
cv::cvtColor(lane_markers, mask, cv::COLOR_BGR2GRAY); //mask Mat has to be 8UC1
output.setTo(cv::Scalar(0, 0, 255), mask);

【讨论】：

我知道必须有一个函数可以做到这一点，但我就是不知道它是什么。那太棒了。而且速度明显加快（25x - 40x）——大约 45us。