Question

我试图创建一个矩阵，其中包含较大nxn矩阵的kxk子矩阵的平均值，其中n可被k整除。我可以用这样的东西相当有效地完成这个

mat = mat2cell(mat, k*ones(1,n/k), k*ones(1,n/k))
mat = cellfun(@mean,mat,'UniformOutput',false);
mat = cellfun(@mean,mat,'UniformOutput',false); %repeated to collapse cells to 1x1
mat = cell2mat(mat)

但是，由于我在非常大的矩阵中都有非常大量的数据，所以即使在群集上重复此过程仍然需要很长时间，并且由于内存限制，组合矩阵不是一种选择。我想知道是否可以使用arrayfun重写此代码，以便我可以利用其GPU功能（因为GPU无法处理单元阵列），但我遇到了问题，因为辅助函数

function avg = blockavg(mat,i,j,k)
i1 = (i-1)*k+1;
i2 = i*k;
j1 = (j-1)*k+1;
j2 = j*k
avg = mean(mean(mat(i1:i2,j1:j2)));
end

调用两个广播变量mat，一个nxn矩阵和k，一个标量，当插入arrayfun时，这些不是数组输入。运行时

ii = 1:(n/k);
jj = 1:(n/k);
matavg = arrayfun(@blockavg,mat,ii,jj,k)

返回一条错误消息，指出输入参数必须是大小和形状相同的数组，因为只有ii和jj是数组输入，而mat和{{1}不要因元素而异。我不太确定如何解决此问题，或者即使k完全可以执行此类操作。任何建议都表示赞赏。

谢谢！

Answer 1

不使用图像处理工具箱的另一个好处：

squeeze(mean(mean(reshape(X,k,n/k,k,n/k),1),3))

此代码以某种方式重新整形矩阵，每个块都可以通过Y（a，：，b，:)访问，这意味着它们具有相同的第一维和第三维索引。然后将mean应用于第一维和第三维，最后删除单个维度以得到2d结果。

Answer 2

您要做的就是图像处理工具箱提供的blockproc：

blockproc(X,[k k],@(x)(mean(mean(x.data))))

要加快速度，您可以尝试设置UseParallel - 参数。

arrayfun具有不同尺寸输入的函数

2 个答案: