代码

Question

我有以下问题。我必须在非常高维的图像（182MP）中计算密集的SIFT兴趣点。当我在完整图像中运行代码时，Matlab总是突然关闭。所以我决定在图像补丁中运行代码。

代码

我尝试在matlab中使用blocproc来调用以这种方式执行密集的筛选兴趣点检测的c ++函数：

fun = @(block_struct) denseSIFT(block_struct.data, options);
[dsift , infodsift] = blockproc(ndvi,[1000 1000],fun);

其中dsift是筛选描述符（向量），infodsift具有兴趣点的信息，例如x和y坐标。

问题

问题在于blocproc只允许一个输出，但我想要两个输出。运行代码时，matlab给出了以下错误。

Error using blockproc
Too many output arguments.

我有办法这样做吗？

Answer 1

对于blockproc版本的“硬编码”会不会有问题？

假设您可以将图像划分为NxM较小的图像，您可以按如下方式循环：

bigImage = someFunction();
sz = size(bigImage);
smallSize = sz ./ [N M];
dsift = cell(N,M);
infodsift = cell(N,M);
for ii = 1:N
  for jj = 1:M
    smallImage = bigImage((ii-1)*smallSize(1) + (1:smallSize(1)), (jj-1)*smallSize(2) + (1:smallSize(2));
    [dsift{ii,jj} infodsift{ii,jj}] = denseSIFT(smallImage, options);
  end
end

结果将在两个单元阵列中。没有真正需要预先分配，但如果你这样做，它会更整洁。如果单个矩阵的大小相同，则可以使用

转换为单个大矩阵

dsiftFull = cell2mat(dsift);

几乎是魔法。如果你的矩阵大小不同，这将不起作用 - 但是，如果它们是，我不确定你是否愿意将它们全部放在一个（除非你决定horzcat它们）。 / p>

如果你确定你想要一个“所有colums作为一个巨大的矩阵”的列表，那么你可以做

giantMatrix = [dsift{:}];

这将返回一个矩阵（在您的示例中）有128行，并且找到的列数与找到的“兴趣点数”相同。这是

的简写

giantMatrix = [dsift{1,1} dsift{2,1} dsift{3,1} ... dsift{N,M}];

matlab中的Blockproc有两个输出变量

代码

问题

1 个答案: