OpenCV를 사용하여 대형 Mat 개체를 효율적으로 로드
대형 Mat 개체를 메모리에 로드하는 것은 이미지 처리 애플리케이션에서 일반적인 작업입니다. OpenCV의 FileStorage 방법은 간단한 옵션이지만 더 효율적인 대안이 있습니까?
바이너리 형식으로 더 빠른 로딩
효율성 향상의 핵심은 저장 및 Mat를 바이너리 형식으로 로드합니다. OpenCV는 이러한 목적을 위해 특별히 matwrite 및 matread 기능을 제공합니다.
획기적인 성능 개선
다양한 크기의 Mat 객체에 대해 수행된 테스트에서는 바이너리 로딩을 사용할 때 극적인 성능 향상을 보여줍니다. FileStorage를 통해. 더 작은 이미지(행 250,000개, 열 192개)의 경우 바이너리 로드를 사용하면 로드 시간이 5.5초에서 50밀리초로 단축되었습니다. 마찬가지로, 더 큰 이미지(1M 행, 192열)의 경우 바이너리 로드에 197밀리초밖에 걸리지 않았지만 FileStorage는 메모리 제한으로 인해 로드하지 못했습니다.
구현 및 사용
matwrite 함수는 파일 이름과 Mat 객체를 입력으로 사용하는 반면, matread는 파일 이름만 사용합니다. 함수는 필요한 헤더와 데이터 저장/검색을 바이너리 형식으로 처리합니다.
샘플 코드
다음은 matwrite 및 matread를 보여주는 예제 코드입니다. 함수:
void matwrite(const string& filename, const Mat& mat) { // Header information ofstream fs(filename, fstream::binary); fs.write((char*)&mat.rows, sizeof(int)); fs.write((char*)&mat.cols, sizeof(int)); fs.write((char*)&mat.type(), sizeof(int)); fs.write((char*)&mat.channels(), sizeof(int)); // Data if (mat.isContinuous()) { fs.write(mat.ptr<char>(0), (mat.dataend - mat.datastart)); } else { int rowsz = CV_ELEM_SIZE(mat.type()) * mat.cols; for (int r = 0; r < mat.rows; ++r) { fs.write(mat.ptr<char>(r), rowsz); } } } Mat matread(const string& filename) { ifstream fs(filename, fstream::binary); // Header information int rows, cols, type, channels; fs.read((char*)&rows, sizeof(int)); fs.read((char*)&cols, sizeof(int)); fs.read((char*)&type, sizeof(int)); fs.read((char*)&channels, sizeof(int)); // Data Mat mat(rows, cols, type); fs.read((char*)mat.data, CV_ELEM_SIZE(type) * rows * cols); return mat; }
결론
대형 Mat 객체를 메모리에 로드하기 위해 바이너리 형식을 사용하면 FileStorage 방법에 비해 성능이 크게 향상됩니다. matwrite 및 matread 함수는 이 접근 방식을 구현하는 편리하고 효율적인 방법을 제공합니다. 이 기술을 구현하면 로딩 시간을 줄이고 OpenCV 기반 애플리케이션의 성능을 향상시킬 수 있습니다.
위 내용은 바이너리 파일 I/O가 대형 OpenCV 매트 개체를 로드하기 위해 FileStorage보다 더 효율적인 대안입니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!