OpenCV 色彩縮減演算法效能優化：從暴力迴圈到查找表與 LUT

學習目標

1. 影像像素掃描順序與記憶體佈局。
2. OpenCV Mat 矩陣值儲存方式（灰階 vs 彩色）。
3. 演算法效能測量方法（getTickCount）。
4. 查找表原理與應用場景。

色彩縮減原理

8-bit 單通道有 256 階，RGB 三通道組合達 1600 萬色。為降低運算量，可將色階壓縮，例如以 10 為單位量化：

公式含除法，效能較差。優化策略：預先計算 256 個輸入值對應的輸出值，存入查找表 table[256]，執行時直接 table[pixel] 取代運算。

Mat 記憶體儲存佈局

灰階影像

單通道，標準二維矩陣：rows × cols。

彩色影像 (BGR)

三通道交錯儲存，記憶體連續，邏輯上視為 rows × (cols*3) 的二維陣列。

四種像素存取方式效能比較

測試程式碼關鍵片段

// 建立查找表
uchar table[256];
for (int i = 0; i < 256; ++i) table[i] = saturate_cast<uchar>(divideWith * (i / divideWith));

// LUT 方式
Mat lookUpTable(1, 256, CV_8U, table);
LUT(src, lookUpTable, dst);

// 效能計時
double t = (double)getTickCount();
for (int i = 0; i < times; ++i) LUT(src.clone(), lookUpTable, dst);
t = 1000 * ((double)getTickCount() - t) / getTickFrequency() / times;

測試結果圖

結論

• 影像處理核心迴圈務必使用 指標掃描 + 連續記憶體優化。
• 查找表將昂貴運算轉為 O(1) 記憶體存取，效能提升顯著。
• 優先使用 OpenCV 內建 LUT()，底層已針對 SIMD/平行化優化，最快且程式碼最簡潔。