C++ 在OpenCV中高效地将大型Mat加载到内存中

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

我有一个192列和100万行的大垫子，我想本地存储在一个文件中，然后加载到内存中，然后我的应用程序启动。使用文件存储没有问题，但我想知道是否有更有效的方法来实现这一点。目前，在Visual Studio中使用调试模式将Mat加载到内存大约需要5分钟，在发布模式下大约需要3分钟，数据文件的大小大约为1.2GB

文件存储方法是执行此任务的唯一可用方法吗？

您是否可以使用100x加速

---

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

功能来完成此操作

我测试了从

FileStorage

和二进制文件加载，对于一个250K行192列的较小图像，键入

CV_8UC1

我得到了以下结果（时间单位为ms）：

在一个有1M行和192列的图像上，使用我得到的二进制模式（时间单位为ms）：

注意

永远不要在调试中测量性能

3分钟加载一个矩阵似乎太多了，即使对于

FileStorage

s也是如此。然而，切换到二进制模式会获得很多好处

这里是具有函数

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;
}

#包括
#包括
#包括
使用名称空间std；
使用名称空间cv；
无效matwrite（常量字符串和文件名，常量Mat和Mat）
{
流fs（文件名，fstream:：binary）；
//标题
int type=mat.type（）；
int channels=mat.channels（）；
fs.write（（char*）&mat.rows，sizeof（int））；//行
fs.write（（char*）&mat.cols，sizeof（int））；//cols
fs.write（（char*）&type，sizeof（int））；//type
fs.write（（char*）&channels，sizeof（int））；//通道
//资料
if（mat.isContinuous（））
{
fs.write（mat.ptr（0），（mat.dataend-mat.datastart））；
}
其他的
{
int rowsz=CV元素尺寸（类型）*材料颜色；
对于（int r=0；rcout存储通道输出有什么用？您在读回文件时似乎没有使用它。只是问，因为我的own@sturkmen1）我有这个版本的生产代码，我不想阻止它2）通道信息对于在matlab中加载图像非常有用3）节省一个字节没什么大不了的4）在没有通道的情况下更新代码非常容易；）
// Mat: 1M rows, 192 cols, type CV_8UC1
Using FileStorage: (can't load, out of memory)
Using Raw:         197.381

#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;
}