Question

给定大小为[hh,ww]的图像，我想有效地创建一个大小为[hh*ww, hh*ww]的稀疏矩阵。对于给定像素的每个4或8邻居，稀疏矩阵应填充恒定值（比如-1）在适当的行（表示评估中的像素）和列（对应的4个邻居或8个邻居的像素）。

例如，考虑一个4像素邻域和[2,2]矩阵，得到的大小为[4,4]的稀疏矩阵如下：

 0  -1  -1   0
-1   0   0  -1
-1   0   0  -1
 0  -1  -1   0

第一行在＃2和＃3列填充-1，因为这些像素位于像素1的4邻域中（下面给出了线性索引）：

1   3
2   4

下面的代码可以完成工作，但只要矩阵变得太大，就会变得非常慢，例如，对于2000x2000矩阵。

hh=2;
ww=2;
%hh=2000;
%ww=2000;
sG     = sparse(hh*ww,hh*ww);
linIdx = reshape(1:hh*ww, [hh ww]);
sG( sub2ind([hh*ww hh*ww], linIdx(:,1:end-1),linIdx(:,2:end)) ) = -1;
sG( sub2ind([hh*ww hh*ww], linIdx(1:end-1,:),linIdx(2:end,:)) ) = -1;
sG = max(sG, sG');

如何在使用大型矩阵时如何使代码高效？理想情况下，它应该适用于4-neighborhoods或8-neighborhoods。

Answer 1

如前所述，我编写了一个有效计算稀疏邻接矩阵的函数。请参阅sparse_adj_matrix。

用法：

[ii jj] = sparse_adj_matrix( [hh ww], 1, 1 ); % p is L1 for 4-connect 
sG = sparse( ii, jj, -1, hh*ww, hh*ww ); % construct the sparse matrix

8-connect

[ii jj] = sparse_adj_matrix( [hh ww], 1, inf ); % p is inf for 8-connect 
sG = sparse( ii, jj, -1, hh*ww, hh*ww ); % construct the sparse matrix

此函数可以处理任意维度（超过2个）常规网格，其中邻域不同于4或8（半径大于1，度量L1，L2或Loo）。

有效地填充基于4像素或8像素邻域的稀疏矩阵

1 个答案: