OpenCV：filter2D函数的计算效率
OpenCV: Computational efficiency of filter2D function
如果我想在 OpenCV 中用内核对图像进行卷积，我可以使用 filter2D 函数。另一种选择是使用 for 循环创建我自己的过滤器，如 this post。
filter2D 会比 post 中提供的代码更快吗？如果是，是什么让它更快？
我试着查看 code for filter2d 但无法理解。我是 openCV 的新手，非常感谢这方面的任何帮助。
事实上，大多数 OpenCV 都比原始方法快得多！对于卷积，他们通常使用以下两种基本优化之一：
可分离卷积。 对某些类型的内核利用 "associative property of convolution"。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 源在可能的情况下利用了这一点。阅读更多相关信息 here.
卷积定理。这种优化更好，但有点复杂。基本上：空间域中的卷积等效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（天真的）时间复杂度为 O(n log n)！查看 Convolution theorem on Wikipedia
Filter2d 在您的过滤器尺寸较小时非常有效，并且比您提到的 post 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。
递归实现的核心思想是2D卷积可以分离成多个1D卷积，1D卷积可以写成递归。 google 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。仅google关于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的增加而增加。因此，当您的内核很大时，这些实现比 OpenCV 的 filter2d 更有效。
理解递归实现或积分图像实现需要一些信号处理的数学背景。
如果你首先关心实现效率，那你最好学习一下，自己写一个filter2d。如果没有，就用opencv的filter2d，记住避免大内核。
如果我想在 OpenCV 中用内核对图像进行卷积，我可以使用 filter2D 函数。另一种选择是使用 for 循环创建我自己的过滤器，如 this post。
filter2D 会比 post 中提供的代码更快吗？如果是，是什么让它更快？
我试着查看 code for filter2d 但无法理解。我是 openCV 的新手，非常感谢这方面的任何帮助。
事实上，大多数 OpenCV 都比原始方法快得多！对于卷积，他们通常使用以下两种基本优化之一：
可分离卷积。 对某些类型的内核利用 "associative property of convolution"。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 源在可能的情况下利用了这一点。阅读更多相关信息 here.卷积定理。这种优化更好，但有点复杂。基本上：空间域中的卷积等效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（天真的）时间复杂度为 O(n log n)！查看 Convolution theorem on Wikipedia
Filter2d 在您的过滤器尺寸较小时非常有效，并且比您提到的 post 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。
递归实现的核心思想是2D卷积可以分离成多个1D卷积，1D卷积可以写成递归。 google 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。仅google关于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的增加而增加。因此，当您的内核很大时，这些实现比 OpenCV 的 filter2d 更有效。
理解递归实现或积分图像实现需要一些信号处理的数学背景。
如果你首先关心实现效率，那你最好学习一下，自己写一个filter2d。如果没有，就用opencv的filter2d，记住避免大内核。