东莞网站优化推广方案外贸网络推广
文章目录
- 1 问题
- 2 分析
- 3 代码实现 （两种方法实现）
- 方法1: 使用cv::compare
- 方法2: 使用cv::threshold
- 3.2 compare和threshold 看起来都有二值化效果？ 那么二者效率？
- 4 compare函数解释
- 4.1 参数解释
- 4.2 底层行为规则
- 4.3 应用示例
- 4.4 典型应用场景
1 问题
一幅图像的目标区域ROI尺寸为60*35的灰度图，快速计算出大于backVal的像素个数，其中backVal=200；
（注意这里只统计ROI区域的像素个数，一般来说只对目标区域处理，便于提高效率）
2 分析
思路1：是遍历每个像素，然后比较是否大于200，统计次数。但这样做效率可能不高，尤其是当图像较大时。不过这里图像是60x35，不算太大，可能直接遍历也行。不过有没有更高效的方法呢？
记得OpenCV有一些矩阵操作函数，可能可以利用这些函数来避免显式循环。比如，比较操作可以用cv::compare或者直接使用矩阵表达式。然后统计非零元素的数量。这可能比逐个像素判断要快，尤其是对于较大的图像。
步骤：
- 1.读取图像，确保是灰度图（单通道）。
- 2.使用比较函数，将图像与backVal（200）进行比较，生成一个二值图像&