cv::Mat image1; image1 = image.clone(); //image.copyTo(image1); int sum = 0; int currentRadius = 0; int sum1 = cv::sum(image1)[0]; // 计算灰度图像的像素总和 while (sum < sum1 * ratio / 100) { // 遍历每个像素点 sum = 0; ...-Go服务器开发

在上面的代码中，计算sum的目的是为了确定当前累加半径下像素值的总和是否达到了特定阈值。如果你希望减少计算sum的频率以节省性能，可以尝试以下两种方法：

调整循环逻辑：将sum计算放在内层循环之外，这样只需要在每个半径增加时重新计算一次即可。修改后的代码如下所示：

while (sum < sum1 * ratio / 100)
{
    sum = 0;
    
    // 遍历每个像素点
    #pragma omp parallel for reduction(+:sum)
    for (int i = Center.y - currentRadius; i <= Center.y + currentRadius; ++i)
    {
        double powIcenterX = pow(i - Center.y, 2);
        uchar* rowPtr = image1.ptr<uchar>(i); // 获取当前行指针，减少内存访问次数
        for (int j = Center.x - currentRadius; j <= Center.x + currentRadius; ++j)
        {
            if (i >= 0 && i < image1.rows && j >= 0 && j < image1.cols)
            {
                double distance = sqrt(powIcenterX + pow(j - Center.x, 2));
                if (distance <= currentRadius)
                {
                    sum += rowPtr[j];
                }
            }
            else
            {
                continue;
            }
        }
    }

    currentRadius += 6;

    if (Center.y - currentRadius < 0 || Center.y + currentRadius >= image1.rows ||
        Center.x - currentRadius < 0 || Center.x + currentRadius >= image1.cols)
    {
        break;
    }
}

beamdiameter_energy = (currentRadius - 6/2) * 2;
return true;

这样，sum只在每次增加半径时计算一次，而不是在内层循环中多次重复计算。