2024年2月7日发(作者：)

要计算 Opencv 程序的运行耗时，可以使用 cvGetTickCount() 函数获取系统当前的

tick 计数值，然后通过计算两个 tick 值之间的差值，得到程序运行的时间。以下是一个简单的示例代码：

```cpp

#include

#include

double calculate_elapsed_time_us(double start_time, double end_time) {

return end_time - start_time;

}

int main() {

// 初始化开始时间

double start_time = cvGetTickCount();

// 此处添加你的 Opencv 算法代码

// 例如：

// cv::Mat img = cv::imread("");

// 获取结束时间

double end_time = cvGetTickCount();

// 计算耗时

double elapsed_time_us = calculate_elapsed_time_us(start_time, end_time);

// 输出耗时

std::cout << "Run time (us): " << elapsed_time_us << std::endl;

return 0;

}

```

在这个示例中，我们首先导入了 opencv 的核心库，然后定义了一个计算耗时的函数

calculate_elapsed_time_us。在 main 函数中，我们使用 cvGetTickCount() 获取开始和结束时间，然后调用 calculate_elapsed_time_us 函数计算耗时，并输出结果。

这个方法只能提供大致的运行时间，因为 cvGetTickCount() 函数获取的 tick 值受到系统性能和分辨率的影响。如果你想获得更精确的时间测量，可以使用更高精度的计时器或者查找其他性能分析工具。

另外，对于 GPU 实现的 Opencv 算法，由于 GPU 和 CPU 之间的性能差异，可能会出现 GPU 版本比 CPU 版本运行得更慢的情况。这是因为 GPU 版本的 Opencv 函数在一些情况下（如阈值处理）不得不将数据传输回 CPU 进行处理，从而导致整体性能下降。在这种情况下，可以尝试优化算法，充分利用 GPU 的并行计算能力，以提高程序运行速度。