Question

背景故事：

这是一个旧脚本，我需要比较同一个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运行起来要快得多，所以我用的是matlab而不是octave。我最近决定再次检查八度，我仍然有1：1000的速度比。

问题：

如何对此算法进行矢量化？
matlab（经文八度）是否有办法自动向量化此代码以快1000倍运行 - 对于彩色图像420X420像素大小，0.1s对100s？

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

Answer 1

1）是的，您可以像Shai所解释的那样对代码进行矢量化。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比Octave快几倍的原因是Matlab使用JIT编译器从6.5版本开始大大加速了简单的for循环等。如果您不熟悉JIT是什么，请查看here。最后我查了一下，Octave仍然在研究他们自己的JIT，但我认为它还会有一段时间： - ）。

您的Octave版本是否会受益于上述代码取决于他们如何在Octave中编写它。我期待一个很大的好处。

Answer 2

如果我正确理解你的代码，它的作用是建立两个帧的联合颜色分布的二维直方图。

for k=1:number_of_colors
     Double_Distribution_0(:,:,k) = accumarray( {frame_1(:), frame_A(:)}, 1,...
                               [number_of_grey_levels, number_of_grey_levels] );
end

Answer 3

感谢您的快速回复。

不知何故，部分语法不起作用，但当我将其缩短为：

Double_Distribution_0(:,:,k) = accumarray({frame_1(:,:,k),frame_A(:,:,k)},1);

我得到了我想要的东西（将结果与旧代码进行比较），在这种情况下，八度音程的运行时间仅比matlab高出约2倍。

如何向量化这个算法，八度与matlab速度问题

3 个答案: