cv::Mat fixFreImg = averMat.clone(); //fixFreImg.row=3000 fixFreImg.cols=3000 cv::normalize(fixFreImg, fixFreImg, 0, 255, cv::NORM_MINMAX, CV_8U);这段代码花了283 ms
我使用的环境是C++，MSVC 2017，Opencv4.1.3希望减少这段代码的时间，我没有GPU，无法使用CV_CUDA，大家有什么意见吗？=

// 创建输出图像
    cv::Mat normalizedImg(fixFreImg.size(), CV_8U);
    // 计算归一化参数
    double minVal, maxVal;
    cv::minMaxLoc(fixFreImg, &minVal, &maxVal);
    double alpha = 255.0 / (maxVal - minVal);
    double beta = -minVal * alpha;

    // 使用OpenMP并行化归一化操作

字符串

pragma omp parallel for num_threads（threads）

for (int i = 0; i < fixFreImg.rows; i++)
    {
        uchar* ptr = normalizedImg.ptr<uchar>(i);
        float* fptr = fixFreImg.ptr<float>(i);

        for (int j = 0; j < fixFreImg.cols; j++)
        {
            ptr[j] = cv::saturate_cast<uchar>(alpha * fptr[j] + beta);
        }
    }

型
这段代码花了156毫秒！
我使用openmp来加速归一化，速度有了显著的提高，但也许还需要进一步的加速，比如块计算。