OpenCV/C++程序比numpy版本慢，该怎么办？

Question

我之前在Python中实现了一个叫做Procrustes分析的算法，最近有人让我把它移植到OpenCV/C++上。完成后我进行了测试，发现对于相同的输入，C++代码的运行时间是Python代码的两倍（大约8秒对4秒）。我重复测试了一千次，确保不是因为测试时间太短导致的。我对这个结果感到很困惑。

我使用了gprof工具来试图理解发生了什么，但我发现除了cv::Mat::~Mat()占用了34.67%的执行时间，并且被调用的次数比其他任何函数都多100多次之外，似乎没有什么明显的问题。我也不太确定该怎么处理这个，除非我把cv::Mat换成std::vector或者原始数组，但这两种做法我觉得都不太好。

void align(const cv::Mat& points, const cv::Mat& pointsRef, cv::Mat& res, cv::Mat& ops) {
    cv::Mat pts(points.rows, points.cols, CV_64FC1);
    cv::Mat ptsRef(points.rows, points.cols, CV_64FC1);
    points.copyTo(pts);
    pointsRef.copyTo(ptsRef);

    cv::Mat avgs = meanOfColumns(pts);
    for(int i = 0; i < avgs.cols; i++) {
        pts.col(i) -= avgs.col(i);
    }
    cv::Mat avgsR = meanOfColumns(ptsRef);
    for(int i = 0; i < avgsR.cols; i++) {
        ptsRef.col(i) -= avgsR.col(i);
    }

    cv::Mat x2(pts.rows, 1, CV_64FC1);
    cv::Mat y2(pts.rows, 1, CV_64FC1);
    cv::Mat x2R(pts.rows, 1, CV_64FC1);
    cv::Mat y2R(pts.rows, 1, CV_64FC1);
    cv::pow(pts.col(0), 2, x2);
    cv::pow(pts.col(1), 2, y2);
    cv::pow(ptsRef.col(0), 2, x2R);
    cv::pow(ptsRef.col(1), 2, y2R);
    cv::Mat sqrootP(pts.rows, 1, CV_64FC1);
    cv::Mat sqrootPR(pts.rows, 1, CV_64FC1);
    cv::sqrt(x2R + y2R, sqrootPR);
    cv::sqrt(x2 + y2, sqrootP);
    double offsetS = (cv::mean(sqrootPR) / cv::mean(sqrootP))[0];
    pts *= offsetS;

    cv::Mat rot(pts.rows, 1, CV_64FC1);
    cv::Mat rotR(pts.rows, 1, CV_64FC1);
    rot = arctan2(pts.col(1), pts.col(0));
    rotR = arctan2(ptsRef.col(1), ptsRef.col(0));
    double offsetR = -cv::mean((rot - rotR))[0];
    cv::Mat angRot(pts.rows, 1, CV_64FC1);
    angRot = rot + offsetR;
    cv::Mat dist(pts.rows, 1, CV_64FC1);
    cv::pow(pts.col(0), 2, x2);
    cv::pow(pts.col(1), 2, y2);
    cv::sqrt(x2 + y2, dist);
    copyColumn(dist.mul(cosine(angRot)), res, 0, 0);
    copyColumn(dist.mul(sine(angRot)), res, 0, 1);

    ops.at<double>(0, 0) = -avgs.at<double>(0, 0);
    ops.at<double>(0, 1) = -avgs.at<double>(0, 1);
    ops.at<double>(0, 2) = offsetS * cv::cos(offsetR / RADIANS_TO_DEGREES);
    ops.at<double>(0, 3) = offsetS * cv::sin(offsetR / RADIANS_TO_DEGREES);
}

这是用来对齐两组点的代码。它调用了一些没有展示的函数，但那些函数很简单，如果需要我可以解释，不过我希望函数名能让你明白它们的作用。

我只是个业余的C++程序员，大家轻点对我。

看起来Ignacio Vazquez-Abrams的想法是对的。这里有一个更简洁直接的例子：

#include <boost/date_time/posix_time/posix_time.hpp>
#include <cv.hpp>
#include <iostream>

using namespace boost::posix_time;

int main() {
    cv::Mat m1(1000, 1000, CV_64FC1);
    cv::Mat m2(1000, 1000, CV_64FC1);
    ptime firstValue( microsec_clock::local_time() );
    for(int i = 0; i < 10; i++) {
        cv::Mat m3 = m1 * m2;
    }
    ptime secondValue( microsec_clock::local_time() );
    time_duration diff = secondValue - firstValue;
    std::cout << diff.seconds() << "." << diff.fractional_seconds() << " microsec" << std::endl;
}

在我的机器上，这个大约需要14秒以上。现在来看Python：

import datetime
import numpy as np

if __name__ == '__main__':
    print datetime.datetime.now()
    m1 = np.zeros((1000, 1000), dtype=float)
    m2 = np.zeros((1000, 1000), dtype=float)
    for i in range(1000):
        m3 = np.dot(m1, m2)
    print datetime.datetime.now()

这个大约需要4秒以上，不过C++的例子只运行了10次，而Python（Fortran）的例子运行了1000次。

好吧，更新一下情况。

我回顾了一下我用的Python代码，发现它只加载了一部分点（大约5%）……这意味着我的C++测试实际上运行的实例比Python代码多了大约20倍，所以C++代码实际上快了大约10倍，因为它只慢了两倍。不过看起来在某些操作上，numpy还是比OpenCV更快。

numpy c# performance optimization opencv std::vector gprof cvmat procrustes analysis

OpenCV/C++程序比numpy版本慢，该怎么办？

1 个回答

撰写回答