OpenCV：filter2D函数的计算效率

Posted 2023-02-22

【中文标题】OpenCV：filter2D函数的计算效率

【英文标题】：OpenCV: Computational efficiency of filter2D function

【发布时间】：2015-07-10 08:39:37

【问题描述】：

如果我想在 OpenCV 中执行图像与内核的卷积，我可以使用 filter2D 函数。另一种选择是使用 this post 中的 for 循环创建我自己的过滤器。

filter2D 会比帖子中提供的代码更快吗？如果是，是什么让它更快？

我尝试查看code for filter2d，但无法理解。我是 openCV 的新手，感谢您提供这方面的任何帮助。

【问题讨论】：

尝试分析它！通常 OpenCV 代码比简单的实现要快得多，因为很多很酷的程序员对其进行了很好的优化，在某些情况下也使用硬件加速。

很可能会更快。编码卷积/矩阵乘法有很多不直观的方法，而不是加快计算速度，openCV 使用它们。数学家在这些事情上工作了很多。检查示例矩阵乘法算法：en.wikipedia.org/wiki/…

我也认为它应该更快，这就是为什么我尝试尽可能使用过滤器执行任务。

【参考方案1】：

事实上，大多数 OpenCV 都比简单的方法快得多！对于卷积，他们经常使用以下两种基本优化之一：

可分离卷积。利用特定类型内核的“卷积的关联属性”。对于M-by-N 图像和P-by-Q 内核，天真的方法是M*N*P*Q。如果内核是可分离的，您可以在M*N(P+Q) 中进行。那是巨大的！您会注意到 OpenCV 的 filter2d 源代码尽可能利用了这一点。阅读更多关于它的信息here。

卷积定理。这种优化甚至更好，但它有点复杂。基本上：空间域中的卷积相当于频域中的逐点乘法。这意味着如果您将图像和内核通过 FFT，您的卷积可以从二次（朴素）时间开始复杂度为 O(n log n)！查看Convolution theorem on Wikipedia

【讨论】：

感谢@Adam 的回答。

【参考方案2】：

当您的过滤器尺寸较小时，Filter2d 是有效的，并且比您引用的帖子更快。但是，当内核变大时，运行时间会急剧增加。

事实上，有很多实现比 OpenCV 快得多，包括基于递归和积分图像的实现。

递归实现的关键思想是2D卷积可以分离成几个1D卷积，1D卷积可以写成递归。只是谷歌关于递归高斯滤波器或递归卷积。

此外，您可以分解内核并使用多个积分图像实现卷积。只是谷歌关于内核积分图像或余弦积分图像。

无论哪种方式，运行时间都不会随着内核大小而增加。因此，当您的内核很大时，这些实现比 OpenCV 的 filter2d 高效得多。

了解递归实现或积分图像实现需要一些关于信号处理的数学背景。

如果实现的效率是您最关心的问题，您最好学习它们并自己编写一个 filter2d。如果没有，就用opencv的filter2d，记住避免大内核。

【讨论】：

感谢您的回复。我在使用 Viola Jones 人脸检测代码时读过积分图像，它应该比卷积更快。我会阅读更多关于它的信息，看看我是否可以更频繁地使用它。