在 OpenCV 中高效地将大型 Mat 加载到内存中

Question

有没有比 OpenCV 中的 FileStorage 方法更有效地将大型 Mat 对象加载到内存中的方法？

我有一个包含 192 列和 100 万行的大型 Mat 我想将其本地存储在文件中并加载到内存中，然后我的应用程序启动。使用 FileStorage 没有问题，但我想知道是否存在更有效的方法来执行此操作。目前Visual Studio使用Debug模式将Mat加载到内存中需要大约5分钟，Release模式需要大约3分钟，数据文件的大小约为1.2GB。

FileStorage 方法是唯一可用于完成此任务的方法吗？

Answer 1

你接受 100x 加速吗？

您应该以二进制格式保存和加载图像。您可以使用下面代码中的 matwrite 和 matread 函数来实现。

我测试了从 FileStorage 和二进制文件加载，对于具有 250K 行、192 列的较小图像，键入 CV_8UC1 我得到了这些结果（时间以毫秒为单位）：

// Mat: 250K rows, 192 cols, type CV_8UC1
Using FileStorage: 5523.45
Using Raw:         50.0879

在具有 1M 行和 192 列的图像上使用我得到的二进制模式（时间以毫秒为单位）：

// Mat: 1M rows, 192 cols, type CV_8UC1
Using FileStorage: (can't load, out of memory)
Using Raw:         197.381

注意

永远不要在 debug.
3 分钟加载一个矩阵似乎太多了，即使是 FileStorage 秒。但是，切换到二进制模式你会收获很多。

这里是函数 matwrite 和 matread 的代码，以及测试：

#include <opencv2\opencv.hpp>
#include <iostream>
#include <fstream>

using namespace std;
using namespace cv;


void matwrite(const string& filename, const Mat& mat)
{
    ofstream fs(filename, fstream::binary);

    // Header
    int type = mat.type();
    int channels = mat.channels();
    fs.write((char*)&mat.rows, sizeof(int));    // rows
    fs.write((char*)&mat.cols, sizeof(int));    // cols
    fs.write((char*)&type, sizeof(int));        // type
    fs.write((char*)&channels, sizeof(int));    // channels

    // Data
    if (mat.isContinuous())
    {
        fs.write(mat.ptr<char>(0), (mat.dataend - mat.datastart));
    }
    else
    {
        int rowsz = CV_ELEM_SIZE(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
    int rows, cols, type, channels;
    fs.read((char*)&rows, sizeof(int));         // rows
    fs.read((char*)&cols, sizeof(int));         // cols
    fs.read((char*)&type, sizeof(int));         // type
    fs.read((char*)&channels, sizeof(int));     // channels

    // Data
    Mat mat(rows, cols, type);
    fs.read((char*)mat.data, CV_ELEM_SIZE(type) * rows * cols);

    return mat;
}

int main()
{
    // Save the random generated data
    {
        Mat m(1024*256, 192, CV_8UC1);
        randu(m, 0, 1000);

        FileStorage fs("fs.yml", FileStorage::WRITE);
        fs << "m" << m;

        matwrite("raw.bin", m);
    }

    // Load the saved matrix

    {
        // Method 1: using FileStorage
        double tic = double(getTickCount());

        FileStorage fs("fs.yml", FileStorage::READ);
        Mat m1;
        fs["m"] >> m1;

        double toc = (double(getTickCount()) - tic) * 1000. / getTickFrequency();
        cout << "Using FileStorage: " << toc << endl; 
    }

    {
        // Method 2: usign raw binary data
        double tic = double(getTickCount());

        Mat m2 = matread("raw.bin");

        double toc = (double(getTickCount()) - tic) * 1000. / getTickFrequency();
        cout << "Using Raw: " << toc << endl;
    }

    int dummy;
    cin >> dummy;

    return 0;
}

在 OpenCV 中高效地将大型 Mat 加载到内存中

Efficiently load a large Mat into memory in OpenCV

c++

opencv

mat

opencv3.0