【见微知著】OpenCV中C++11 lambda方式急速像素遍历

学习《OpenCV应用开发:入门、进阶与工程化实践》一书

做真正的OpenCV开发者,从入门到入职,一步到位!

C++11 lambda语法

C++11中引入了lambda表达式,它支持定义一个内联(inline)的函数,作为一个本地的对象或者一个参数。有了lambda表达式,就可以很方便的使用stl标准库,它的标准语法如下:

cpp 复制代码
[...](...) mutable throwSpec -> returnType {...}

参数解释:

...里面包含的是可以引用的本地变量

(...)里面包含的是函数的变量参数

returnType是返回类型

一个简单的例子如下:

cpp 复制代码
auto sum_xy = [](int x, int y) -> int {
  return x + y;
};
std::cout <<" sum_xy = "<< sum_xy(11, 12) << std::endl;

引入本地变量

cpp 复制代码
int a = 25, b = 9;
auto sum_xy = [&a, &b](int x, int y) -> int {
  return x + y + a + b;
};
std::cout <<" sum_xy = "<< sum_xy(11, 12) << std::endl;

注意:

如果直接使用,没有把本地变量放到变量列表中去,就会出现一个常见的语法错误:

封闭函数局部变量不能在lambda体中引用,除非位于捕获列表中

Mat的for Each遍历

说实话我也没有注意过,OpenCV4从哪个版本开始支持,反正已经支持了,通过Mat的forEach方式结合C++11 lambda表达式,实现对Mat对象快速像素遍历。语法如下:

cpp 复制代码
void cv::Mat::forEach(const Functor & operation)

其中operation是一个C++11 lambda表达式,同时也是一个匿名的C++函数。基于Mat的for Each实现的像素遍历代码如下:

cpp 复制代码
// wxh = 3840x2560
cv::Mat image = cv::imread("D:/test_pixs.jpg");
typedef cv::Point3_<uint8_t> Pixel;

// forEach方式的像素遍历
double start = (double)cv::getTickCount();
image.forEach<Pixel>([](Pixel &p, const int * position) -> void {
p.x = 255 - p.x;
p.y = 255 - p.y;
p.z = 255 - p.z;
});
double time = (((double)cv::getTickCount() - start)) / cv::getTickFrequency();
printf(" forEach time : %.4f seconds\n", time);

传统高效的OpenCV指针方式的像素遍历访问代码如下:

cpp 复制代码
// raw pointer access.
start = (double)cv::getTickCount();
for (int r = 0; r < image.rows; ++r) {
  Pixel* ptr = image.ptr<Pixel>(r, 0);
  const Pixel* ptr_end = ptr + image.cols;
  for (; ptr != ptr_end; ++ptr) {
    ptr->x = 255 - ptr->x;
    ptr->y = 255 - ptr->y;
    ptr->z = 255 - ptr->z;
  }
}
time = (((double)cv::getTickCount() - start)) / cv::getTickFrequency();
printf(" raw pointer access time : %.4f seconds\n", time);

运行结果对比如下:

从执行的时间可以看出,针对一张3840x2560大小的图像、forEach方式遍历的确比较靠谱。

系统化学习OpenCV4 - 点击这里

相关推荐
美团技术团队1 分钟前
直播回放·含 ACL'26 杰出论文 | 美团 AI 顶会论文 32 篇精讲
人工智能
无心水3 分钟前
【全域智能营销实战】10、三大引擎协同工作流:从用户消息到智能决策的完整链路
人工智能·springai·openclaw·顶尖架构师·全域智能营销·harmess·herness
ClickHouseDB5 分钟前
简化 Langfuse 的规模化应用
人工智能·数据挖掘
中微极客6 分钟前
从提示词到产品级视频:生成式AI的工程化实践与工具栈选型(LTX Studio实战)
人工智能·chatgpt·音视频
@陈小鱼8 分钟前
MATLAB+Python:基于小样本卷积神经网络的 PPG 血压预测
人工智能·python·机器学习·matlab·脉搏波·血压·一维卷积神经网络
大鱼>9 分钟前
AI+快递分拣:视觉识别+自动分拣+异常检测
人工智能·深度学习·算法·机器学习
具身新纪元12 分钟前
ECCV 2026|MATCH用Flow Matching重做多视角工业质检
人工智能·计算机视觉·视觉检测
AIHR数智引擎16 分钟前
15%对撞40%:WEF白皮书里的AI组织隐忧
数据库·人工智能·经验分享·职场和发展·aihr
记忆停留w17 分钟前
Celery+Redis 分布式异步任务队列工程落地业务逻辑
大数据·人工智能·redis·分布式·缓存·架构·wpf
2601_9498163518 分钟前
C++内存对齐与结构体填充深度精讲:底层规则、内存裁剪、适配优化与工程避坑
开发语言·arm开发·c++