讀取圖像，LUT以及計算耗時

使用LUT（lookup table）檢索表的方法，提高color reduce時對像素讀取的速度。

實現對Mat對象中數據的讀取，並計算color reduce的速度。

方法一：使用Mat的ptr()遍歷行(row)，效率較高，使用時需要小心細節

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>
#include <sstream>

using namespace std;
using namespace cv;

static void help(){
  cout
  << "Author: BJTShang" << endl
  << "2016-12-22, CityU" << endl
  << "Use: " << "./1222_LUP imageName divideWith [G]" << endl
  <<endl;
}

Mat& ScanImageAndReduceC(Mat& I, const uchar* table);
Mat& ScanImageAndReduceIterator(Mat& I, const uchar* table);

int main(int argc, char** argv){
  help();
  if(argc<3){
    cout << "Not enough parameters!" << endl;
    return -1;
  }
  
  Mat I;
  char* imageName = argv[1];
  if(argc==4 && !strcmp(argv[3],"G")){
    I = imread(imageName, CV_LOAD_IMAGE_GRAYSCALE);
  }else{
    I = imread(imageName, CV_LOAD_IMAGE_COLOR);
  } 
  
  if(!I.data){
    cout << "The image" << imageName << " has no data!";
    return -1;
  }

  int divideWith = 0;
  stringstream s;
  s << argv[2];
  s >> divideWith;
  if(!s || !divideWith){
    cout << "Invalid divideWith, input again (positive integer)!" << endl;
    return -1;
  }
  
  // use this table to search for (by simple assignment) reduced intensity, 
  // instead of calculating for each pixel, which is computational high-cost
  uchar table[256];
  for(int i=0; i < 256; ++i){
    table[i] = uchar((i/divideWith)*divideWith);
  }
  
  int64 t0 = getTickCount();
  Mat J = I.clone();
  J = ScanImageAndReduceC(J, table);
  double t = (double)(getTickCount() - t0)/getTickFrequency();
  cout << "Elapse time = " << t*1000 << " ms" <<endl;
  
  namedWindow("before", CV_WINDOW_AUTOSIZE);
  namedWindow("after color reduce by LUT", CV_WINDOW_AUTOSIZE);
  imshow("before", I);
  imshow("after color reduce by LUT", J);
  waitKey(0);
  return 0;
}

Mat& ScanImageAndReduceC(Mat& I, const uchar* table){
  CV_Assert(I.depth() == CV_8U);
  const int channels = I.channels();
  
  int nRows = I.rows;
  int nCols = I.cols*channels;
  
  if (I.isContinuous()){
    nCols *= nRows;
    nRows = 1;
  }
  
  uchar* p = NULL;
  for(size_t i=0; i<nRows; ++i){
    p = I.ptr<uchar>(i);
    for(size_t j=0; j<nCols; ++j){
      p[j] = table[p[j]];
    }
  }
// Mat結構的ptr()方法，返回指向Mat每一行的頭元素指針
// Mat結構的data屬性，返回指向元素的指針，p++指針自加到下一塊元素地址。
// 如果Mat中元素連續，才可以使用*p++取出所有元素值；若Mat中元素不連續，*p++取出第二行開始肯定錯誤！
//   uchar* p = I.data;
//   for(size_t i = 0; i < nRows*nCols; ++i){
//     *p++ = table[*p];
//   }
   return I;
}

 

結果：

 如果使用*p++的方法，結果不同：

 這種方法，需要自己考慮圖像每一行之間的gap，以及元素類型（uchar和float32f的不同）。效率較高，但不小心會出問題。

 

方法二：通過MatIterator類安全地訪問Mat結構

效果相同，但是運行時間會變長幾倍（我的電腦上大約是3倍）

Mat& ScanImageAndReduceIterator(Mat& I, const uchar* table){
  CV_Assert(I.depth() == CV_8U);
  int channels = I.channels();
  
  switch(channels){
    case 1:
    {
      MatIterator_<uchar> it,end;
      for(it = I.begin<uchar>(), end = I.end<uchar>(); it!=end; ++it)
    *it = table[*it];
      break;
    }
    case 3:
    {
      MatIterator_<Vec3b> it, end;
      for(it = I.begin<Vec3b>(), end = I.end<Vec3b>(); it!=end; ++it){
    (*it)[0] = table[(*it)[0]];
    (*it)[1] = table[(*it)[1]];
    (*it)[2] = table[(*it)[2]];
      }
      break;
    }
  }
  return I; 
}

對於3通道彩色圖像，需要指定迭代器中元素類型為short vector: <Vec3b>。如果指定為uchar，迭代器器將只會掃描B藍色通道；當然，這里的情況因為使用了[]操作符訪問short vector中的sub colomun， 編譯就通不過。。。

方法三：最容易理解，但是最不推薦的是使用Mat的at()方法

Mat& ScanImageAndReduceRandomAccsee(Mat& I, const uchar* table){
  CV_Assert(I.depth() == CV_8U);
  
  const int channels = I.channels();
  switch(channels){
    case 1:
    {
      for(int i=0; i<I.rows; ++i)
    for(int j=0; j<I.cols; ++j)
      I.at<uchar>(i,j) = table[I.at<uchar>(i,j)];
      break;
    }
    case 3:
    {
      Mat_<Vec3b> _I = I;  // this was used to check the data (3 channels), as well as to use [] operator to access different channels
      for(int i=0; i<I.rows; ++i)
    for(int j=0; j<I.cols; ++j){
      _I(i,j)[0] = table[_I(i,j)[0]]; // equal to _I.at(i,j*3) = table[_I.at(i,j*3)]
      _I(i,j)[1] = table[_I(i,j)[1]]; // equal to _I.at(i,J*3+1) = table[_I.at(i,j*3+1)]
      _I(i,j)[2] = table[_I(i,j)[2]]; // equal to _I.at(i,j*3+2) = table[_I.at(i,j*3+2)]
    }
      I = _I;
      break;
    }
  }
  return I;
}

效率和安全的使用MatIterator類差不多，想訪問矩陣中特定位置的元素使用這種方法是比較合適的。

 最后，OpenCV封裝了LUT的color reduce方法。平常直接使用即可，效率比較高。

  Mat lookUpTable(1, 256, CV_8U);
  uchar* p = lookUpTable.data;
  for(int i=0; i<256; i++)
    p[i] = table[i];
  LUT(I,lookUpTable,J);