背景故事:
这是一个旧脚本,我需要比较同一对象的两个略有不同的图像以获取相机本身的数据。我用octave编写了这个脚本并尝试了它,后来我发现matlab用它运行得更快,所以从那以后我使用matlab而不是octave。 我最近决定再次检查 Octave ,仍然得到1:1000的速比。
问题:
- 如何矢量化该算法?
- matlab(verses Octave)是否有办法自动矢量化此代码,使其运行速度提高 1000 倍 - 对于 420X420 像素大小的彩色图像,运行速度为 0.1 秒,而不是 100 秒?
脚本:
color_depth = 8;
number_of_colors = 3;
number_of_grey_levels = 2^color_depth;
Double_Distribution_0 =zeros(number_of_grey_levels,number_of_grey_levels,number_of_colors);
frame_A = 1+int16(imread('Path\image_A.tif'));
frame_1 = 1+int16(imread('Path\image_1.tif'));
[height,width]=size(frame_A(:,:,1));
number_of_pixels = width*height;
for k = 1:number_of_colors
tic
for i = 1:height
for j = 1:width
Double_Distribution_0(frame_1(i,j,k),frame_A(i,j,k),k) = 1 + Double_Distribution_0(frame_1(i,j,k),frame_A(i,j,k),k);
end
end
toc
end
最佳答案
1) 是的,您可以对代码进行矢量化,正如 Shai 所解释的那样。但是,请注意他的解决方案缺少frame_1 和frame_A 上的颜色索引。这应该可以解决问题:
for k=1:number_of_colors
f_1 = frame_1(:,:,k);
f_A = frame_A(:,:,k);
Double_Distribution_0(:,:,k) = accumarray( {f_1(:), f_A(:)}, 1,...
[number_of_grey_levels, number_of_grey_levels] );
end
2) Matlab 之所以比 Octave 快很多倍,是因为从 6.5 版本开始,Matlab 使用了 JIT 编译器来大大加速简单的 for 循环等。如果您不熟悉 JIT 是什么,请查看 here 。上次我检查过,Octave 仍在开发自己的 JIT,但我认为还需要一段时间:-)。
您的 Octave 版本是否会从上述代码中受益取决于他们如何在 Octave 中编写它。我希望能得到很大的好处。
关于matlab - 如何向量化该算法,倍频程与 matlab 速度问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14026607/