Opencv obatin bestimmten Pixel RGB-Wert basierend auf Maske

Question

Mein Titel möglicherweise nicht klar genug, aber bitte schauen Sie sich genau auf die folgende Beschreibung. Vielen Dank im Voraus.

Ich habe ein RGB-Bild und ein binäres Maskenbild:

Mat img = imread("test.jpg") 
Mat mask = Mat::zeros(img.rows, img.cols, CV_8U); 

einige diejenigen, auf die Maske Geben Sie nehmen die Anzahl der Einsen ist N. Nun ist die Nicht-Null-Koordinaten bekannt sind, auf der Grundlage dieser Koordinaten, wir kann sicherlich das entsprechende Pixel-RGB-Wert des Ursprungs image.I erhalten wissen, dass dies durch den folgenden Code erreicht werden kann:

Mat colors = Mat::zeros(N, 3, CV_8U); 
int counter = 0; 
for (int i = 0; i < mask.rows; i++) 
{ 
    for (int j = 0; j < mask.cols; j++) 
    { 
     if (mask.at<uchar>(i, j) == 1) 
     { 
      colors.at<uchar>(counter, 0) = img.at<Vec3b>(i, j)[0]; 
      colors.at<uchar>(counter, 1) = img.at<Vec3b>(i, j)[1]; 
      colors.at<uchar>(counter, 2) = img.at<Vec3b>(i, j)[2]; 
      counter++; 
     } 
    } 
} 

Und die coords wird wie folgt sein: enter image description here

Allerdings kostet diese zwei Schicht von for-Schleife zu viel Zeit. Ich habe mich gefragt, ob es eine schnellere Methode gibt, Farben zu verwenden, ich hoffe, ihr versteht, was ich vermitteln wollte.

PS: Wenn ich Python verwenden kann, kann dies nur einen Satz in getan werden:

colors = img[mask == 1] 

Answer 1

Wenn Sie mit der Verwendung anderer Open-Source-Bibliothek unter Verwendung von C++ flexibel sind, Armadillo versuchen. Sie können damit alle Operationen der linearen Algebra durchführen und den obigen Code auf eine Zeile reduzieren (ähnlich wie bei Ihrem Python-Code-Snippet).

Oder

findNonZero() Funktion Versuchen und alle Koordinaten in Bild enthält nicht-Null-Werte finden. Überprüfen Sie Folgendes: https://stackoverflow.com/a/19244484/7514664

Answer 2

Die Methode .at() ist die langsamste Möglichkeit, auf Werte in C++ zuzugreifen. Am schnellsten ist die Verwendung von Zeigern, aber die beste Vorgehensweise ist ein Iterator. Siehe OpenCV tutorial on scanning images.

Nur eine Anmerkung, obwohl Pythons Syntax für so etwas gut ist, muss es am Ende des Tages immer noch alle Elemente durchlaufen - und da es vorher einiges an Overhead hat, ist es facto langsamer als C++ Schleifen mit Zeigern. Sie müssen unbedingt alle Elemente durchlaufen, unabhängig von Ihrer Bibliothek. Sie müssen für jedes Element Vergleiche mit der Maske anstellen.

Answer 3

Compile mit Optimierung aktiviert ist, versuchen diese Version Profilierungs und uns sagen, ob es schneller ist:

vector<Vec3b> colors; 
if (img.isContinuous() && mask.isContinuous()) { 
    auto pimg = img.ptr<Vec3b>(); 
    for (auto pmask = mask.datastart; pmask < mask.dataend; ++pmask, ++pimg) { 
     if (*pmask) 
      colors.emplace_back(*pimg); 
    } 
} 
else { 
    for (int r = 0; r < img.rows; ++r) { 
     auto prowimg = img.ptr<Vec3b>(r); 
     auto prowmask = img.ptr(r); 
     for (int c = 0; c < img.cols; ++c) { 
      if (prowmask[c]) 
       colors.emplace_back(prowimg[c]); 
     } 
    } 
} 

Wenn Sie die Größe der Farben weiß, vorher für den Raum reservieren.