OpenCV的垫每个元素的操作：向量矩阵乘法

Question

我是MXN矩阵和的我每个元素是一个1×3矢量（我实际上是一个3通道垫图像）。

M是3x3矩阵。

Ĵ是具有相同尺寸的矩阵作为我并计算如下：Ĵ的每个元素是I的对应的（即，具有相同的坐标）元素的向量，矩阵积和M。

I.e.如果V1（R1，G1，B1）是我和元件V2（R2，G2，B2）是Ĵ的其对应的元件，然后V2 = V1 * 中号 （这是一个矢量矩阵产品，而不是每个元素的产品）。

问题：如何高效计算J（速度）？

谢谢你的帮助。

Answer 1

据我所知，执行这样的操作的最有效方法如下：

1. 重塑我从mxnx3到（M＆middot; N）×3，让我们叫它I '
2. 计算J' = I” * 中号
3. 整形J”从（M＆middot; N）×3到mxnx3，这是Ĵ我们想

的想法是堆叠每个逐像素操作p _我 '＆middot; M合并为一个单一操作P'＆middot; 中号，其中P是3×（M＆middot; n）的含成列的每个像素（。因此P”保持每行一个像素这只是一个约定，真的）矩阵。

这里是用C++编写一个代码示例：

// read some image 
cv::Mat I = cv::imread("image.png");    // rows x cols x 3 

// some matrix M, that modifies each pixel 
cv::Mat M = (cv::Mat_<float>(3, 3) << 0, 0, 0, 
             0, .5, 0, 
             0, 0, .5); // 3 x 3 

// remember old dimension 
uint8_t prevChannels = I.channels;     
uint32_t prevRows = I.rows;       

// reshape I 
uint32_t newRows = I.rows * I.cols;     
I = I.reshape(1, newRows);       // (rows * cols) x 3 

// compute J 
cv::Mat J = I * M;         // (rows * cols) x 3 

// reshape to original dimensions 
J = J.reshape(prevChannels, prevRows);    // rows x cols x 3 

OpenCV提供一个O（1）整形操作。 因此，性能仅取决于矩阵乘法，我希望这种乘法在计算机视觉库中尽可能高效。

为了进一步提高性能，您可能需要使用ocl和gpu模块查看矩阵乘法。