作者：翟天保Steven
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

场景需求

采样是在做大量数据计算时常用的优化方法，合理的采样方式可以使计算速度提高数十倍数百倍。比如原本1000*1000的图像数据要进行百次迭代计算，运用采样法提取100*100的图像数据进行分析，最少提速100倍，大大减少了不必要的计算，从而提高程序运行速度。该方法我通常用于面形拟合，来快速计算拟合系数，也常用于迭代计算；但是，一定要注意，合理的采样间隔很重要，不要一味追求速度，采样提速的同时也意味着有效数据的减少，对结果是有一定影响的，合理的设计才可以忽略此影响。

话不多说，下方为具体实现函数和测试代码。

功能函数代码

/*** @brief GridSampling                     设置采样的位置点* @param size                             重采样的范围尺寸* @param rowinterval                      行间隔* @param colinterval                      列间隔* @return                                 重采样的mask*/
cv::Mat GridSampling(const cv::Size& size, int rowinterval, int colinterval)
{cv::Mat dst(size, CV_8UC1, cv::Scalar(0));//设置采样的位置点int Row = dst.rows;int Col = dst.cols;for (int row = 0; row < Row; row += rowinterval) {for (int col = 0; col < Col; col += colinterval) {dst.at<uchar>(row, col) = 255;}}return dst;
}

C++测试代码

#include <iostream>
#include <opencv.hpp>
using namespace std;
using namespace cv;
cv::Mat GridSampling(const cv::Size& size, int rowinterval, int colinterval);
int main()
{// 随机生成一个矩阵cv::Mat src(100,100,CV_32FC1);for (int i = 0; i < 100; ++i){for (int j = 0; j < 100; ++j){src.at<float>(i, j) = rand() % 255;}}// 创建掩膜maskcv::Mat mask = cv::Mat::zeros(src.size(), CV_8UC1);cv::circle(mask, cv::Point(50, 50), 40, 255, -1);// 创建采样区int sampInterval = 2; // 采样间隔为2cv::Mat samp = GridSampling(src.size(), sampInterval, sampInterval);cv::Mat samp_mask = samp.clone();samp_mask.setTo(0, ~mask);// 将采样区的数据放置在sampling中存储，以便后续计算std::vector<cv::Point> samplingidx_roi;cv::findNonZero(samp_mask, samplingidx_roi);int len = (int)samplingidx_roi.size();cv::Mat sampling(len, 1, CV_32FC1, 0.0f);auto tmp = samplingidx_roi.begin();for (int i = 0; i < len; ++i, ++tmp) {int x = tmp->x;int y = tmp->y;sampling.ptr<float>(i)[0] = src.ptr<float>(y)[x];}system("pause");return 0;
}/*** @brief GridSampling                     设置采样的位置点* @param size                             重采样的范围尺寸* @param rowinterval                      行间隔* @param colinterval                      列间隔* @return                                 重采样的mask*/
cv::Mat GridSampling(const cv::Size& size, int rowinterval, int colinterval)
{cv::Mat dst(size, CV_8UC1, cv::Scalar(0));//设置采样的位置点int Row = dst.rows;int Col = dst.cols;for (int row = 0; row < Row; row += rowinterval) {for (int col = 0; col < Col; col += colinterval) {dst.at<uchar>(row, col) = 255;}}return dst;
}

测试效果

在测试案例中，随机生成了一个100*100的数据矩阵，运用采样函数创建了采样区，再进行掩膜处理，将所需要计算的采样点对应的数据放置在sampling矩阵中，1257是采样点的个数，之后就可以进行一些矩阵计算来实现各种各样的功能。

如果函数有什么可以改进完善的地方，非常欢迎大家指出，一同进步何乐而不为呢~

如果文章帮助到你了，可以点个赞让我知道，我会很快乐~加油！

C++-采样函数GridSampling（采样提速必备）相关推荐

matlab中采样函数,matlab采样相关函数用法详解
matlab采样函数(降采样,过采样,减采样函数)用法详解 dyaddown 功能:对时间序列进行二元采样,每隔一个元素提取一个元素,得到一个降采样时间序列. 格式: 1.y = dyaddown(x ...
R语言dplyr包sample_n函数、sample_frac函数数据采样实战
R语言dplyr包sample_n函数.sample_frac函数数据采样实战目录 R语言dplyr包sample_n函数.sample_frac函数数据采样实战 #导入dplyr包
【Android 高性能音频】AAudio 音频流数据回调细节 ( 数据回调函数优先级 | 数据回调函数 | 采样率 | 采样数 | 缓冲区调整 | 线程不安全 )
文章目录 I . 数据回调函数优先级 II . 数据回调函数相关内容 III . 采样率处理细节 IV . 数据回调函数每次采样个数 numFrames V . 数据回调函数缓冲区 ( AA ...
VTK：采样函数用法实战
VTK:采样函数用法实战程序输出程序完整源代码程序输出程序完整源代码 #include <vtkActor.h> #include <vtkContourFilter.h&g ...
【Pytorch】interpolate==＞上下采样函数
def interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None):r"&quo ...
【PyTorch 】interpolate()==＞上下采样函数
def interpolate(input, size=None, scale_factor=None, mode='nearest', align_corners=None, recompute_s ...
numpy学习笔记之随机采样函数
numpy的随机采样函数 np.random.choice(a, size=None,replace=None, p=None) 功能:Generates a random sample from a ...
python实现采样函数_PR Sampling Ⅰ: 蒙特卡洛采样、重要性采样及python实现
刘浚嘉:PR:机器人学的概率方法学习路径zhuanlan.zhihu.com PR 采样分章第一节:蒙特卡洛采样.重要性采样引言还记得我们之前学过的贝叶斯推断吗?刘浚嘉:PR Ⅱ:贝叶斯估计/ ...
深入理解采样定理 + Matlab 仿真 Sa 函数的采样与恢复
建议配合国宝老师的视频食用. 信号与线性系统分析吴大正郭宝龙文章目录 (1) 采样的说明 1. 为什么要取样 2. 什么是取样 (2) 采样定理 1. 为什么要有奈奎斯特频率 2. 什么是采样定 ...

C++-采样函数GridSampling（采样提速必备）

场景需求

功能函数代码

C++测试代码

测试效果

C++-采样函数GridSampling（采样提速必备）相关推荐

最新文章

热门文章