比较两段代码：计算图像的灰度共生矩阵

[ptsntwsz]

网上找到一段代码，其中计算（对称）灰度共生矩阵的部分如下：

	/*--------------------------------------------------------------------------
	3.计算四个共生矩阵P,取距离为1，角度分别为0,45,90,135
	--------------------------------------------------------------------------*/
	CvMat* mat_co[4];
	for (dim=0;dim<4;dim++)
	{
		mat_co[dim] = cvCreateMat(16,16,CV_64FC1);
		cvZero(mat_co[dim]);
	}

	for(m=0;m<16;m++)//灰度级
	{
		for(n=0;n<16;n++)
		{
			for(j=0;j<nH;j++)//图像大小尺寸
			{
				for(i=0;i<nW;i++)
				{
					uchar temp = CV_MAT_ELEM(*mat_low_uchar,uchar,j,i);
					double tempmatvalue;

					if (i<(nW-1)&&temp==m&&(CV_MAT_ELEM(*mat_low_uchar,uchar,j,i+1)==n))
					{
						tempmatvalue = cvGetReal2D(mat_co[0],m,n);
						cvSetReal2D(mat_co[0],m,n,(tempmatvalue+1.0));
						cvSetReal2D(mat_co[0],n,m,(tempmatvalue+1.0));
					}
		            if (j>0&&i<(nW-1)&&temp==m&&(CV_MAT_ELEM(*mat_low_uchar,uchar,j-1,i+1))==n)
					{
						tempmatvalue = cvGetReal2D(mat_co[1],m,n);
						cvSetReal2D(mat_co[1],m,n,(tempmatvalue+1.0));
						cvSetReal2D(mat_co[1],n,m,(tempmatvalue+1.0));
					}
		            if (j<(nH-1)&&temp==m&&(CV_MAT_ELEM(*mat_low_uchar,uchar,j+1,i))==n)
					{
						tempmatvalue = cvGetReal2D(mat_co[2],m,n);
						cvSetReal2D(mat_co[2],m,n,(tempmatvalue+1.0));
						cvSetReal2D(mat_co[2],n,m,(tempmatvalue+1.0));
					}
		            if (j<(nH-1)&&i<(nW-1)&&temp==m&&(CV_MAT_ELEM(*mat_low_uchar,uchar,j+1,i+1))==n)
					{
						tempmatvalue = cvGetReal2D(mat_co[3],m,n);
						cvSetReal2D(mat_co[3],m,n,(tempmatvalue+1.0));
						cvSetReal2D(mat_co[3],n,m,(tempmatvalue+1.0));
					}
				}
			}
		    if(m==n)
				for (dim=0;dim<4;dim++)
				{
					double tempmatvalue1 = cvGetReal2D(mat_co[dim],m,n);
					cvSetReal2D(mat_co[dim],m,n,(tempmatvalue1*2));
				}
		}
	}

感觉这个四层循环复杂度有点高的，运行的时候一幅图片要好几秒钟（后面还有进一步的规范化、计算熵等），而且它那个计算方法没怎么看懂，于是自己按照定义又写了一段代码：

	int delta[4][2] = {{0,1}, {-1,1}, {1,0}, {1,1}};
	int p = 0;
	int x, y;
	for (j = 0; j < nH; j++) {
		for (i = 0; i < nW; i++) {
			x = CV_MAT_ELEM(*mat_low_uchar, uchar, j, i);
			for (p = 0; p < 4; p++) {
				if (j + delta[p][0] < nH && j + delta[p][0] >= 0 && i + delta[p][1] < nW && i + delta[p][1] >= 0) {
					y = CV_MAT_ELEM(*mat_low_uchar, uchar, j + delta[p][0], i + delta[p][1]);
					cvSetReal2D(mat_co[p], x, y, cvGetReal2D(mat_co[p], x, y) + 1.0);
					cvSetReal2D(mat_co[p], y, x, cvGetReal2D(mat_co[p], y, x) + 1.0);
				}
			}
		}
	}

检查发现，二者得出的结果是完全一样的。
但是，运行的时候发现，似乎我的代码也需要花比较多的时间。。。没有精确比较二者的运行时间，只是感觉上都得等上3、4秒钟。
麻烦分析一下上述两段代码，比较一下优劣，还有就是说下第一段代码计算的原理，感觉没怎么明白的。
谢谢了！

[guanyuechen]

一般是用第二种代码
第一种的思想是遍历共生矩阵，对于共生矩阵的每个值，都查找一遍全图，然后确定共生矩阵的值；
第二种的思路是遍历全图，对于每找到一对像素，都在共生矩阵相应的地方加上1，就像我们用“正”来计数一样。
前者的时间复杂度是后者的256倍（假设你的共生矩阵式16*16的），而且还有判断的过程，所以所耗时间是后者的256倍以上。
类似地，计算直方图，也是按第二种思路，要是用第一种，太慢了！！

[guanyuechen]

从循环次数就可以知道，第一种思路循环了16*16*nw*nh次，第二种则只循环了nw*nh次，正如我上面说的，循环次数第一种为第二种的256倍。
正常情况下，求一张图（假设1024*1024）的GLCM也就不到0.001秒