因未測試其他作者的算法時(shí)間和效率，本文不敢自稱是最快的，但是速度也可以肯定說是相當(dāng)快的，在一臺(tái)I5機(jī)器上占用單核的資源處理 3000 * 2000的灰度數(shù)據(jù)用時(shí)約 20ms，并且算法和核心的大小是無關(guān)的，即所謂的o(1)算法。
在實(shí)現(xiàn)本算法之前，也曾經(jīng)參考何凱明在暗通道去霧時(shí)提出的一篇參考論文中的算法： STREAMING MAXIMUM-MINIMUM FILTER USING NO MORE THAN THREE COMPARISONS PER ELEMENT ，這篇文章所描述的過程也是o(1)的，速度也相當(dāng)快，不過還是不夠快。
我曾經(jīng)自己構(gòu)思了一個(gè)想法，也是基于行列分離的，在速度上比上文的代碼又要快，并且也是o(1)算法，但是算法速度和圖片的內(nèi)容有關(guān)，比如對一個(gè)圖進(jìn)行了一次算法后，再次對結(jié)果執(zhí)行相同的算法，可能后一次就要慢很多，這和我改進(jìn)的算法本身有關(guān)系，但是這種情況是很少見的。
本文所要介紹的算法也是在很久以前就看到過的，但是一直沒有引起我的重視，其對應(yīng)的參考論文是 A fast algorithm for local minimum and maximum filters on rectangular and octagonal kernels ，當(dāng)時(shí)覺得論文的實(shí)現(xiàn)起來可能沒有我自己構(gòu)思的快，也就沒有去深究。
論文的實(shí)現(xiàn)步驟也是基于行列分離的，即先進(jìn)行行方向的一維運(yùn)算，然后再對結(jié)果進(jìn)行列方向的一維計(jì)算，具體的理論描述大家去研究論文吧。
那其實(shí)論文的核心就是下面這個(gè)圖。
