我有从图像中跟踪的多个对象的x，y像素坐标（3744x5616）。坐标存储在称为对象的结构中，例如
SearchanalyticsResource mySearchanalyticsResource = new SearchanalyticsResource(service);
SearchAnalyticsQueryRequest myRequest = new SearchAnalyticsQueryRequest();
myRequest.StartDate = "2015-08-01";
myRequest.EndDate = "2015-08-31";
myRequest.RowLimit = 10;
SearchanalyticsResource.QueryRequest myQueryRequest = mySearchanalyticsResource.Query(myRequest, site.SiteUrl);
SearchAnalyticsQueryResponse myQueryResponse = myQueryRequest.Execute();
每个对象都由数字代码唯一标识，例如
objects(1).centre = [1868 1236]
我希望能够在每次任何两个物体彼此相差300像素的范围内进行记录。如果有任何对象正在触摸，那么最好的方法是检查，然后记录交互中涉及的两个对象的身份，就像对象33与对象34交互一样。
谢谢！
答案 0 :(得分：3)
我现在能想到的最好的事情是蛮力方法。只需检查一个物体中心与其他物体的距离，然后手动检查距离是否为＆lt; 300像素。
如果你想要这么快，我们应该在没有任何工具箱的情况下做到这一点。您可以使用bsxfun使用vanilla MATLAB智能地执行此操作。首先，为每个对象的X和Y坐标创建单独的数组：
points = reshape([objects.centre], 2, []);
X = points(1,:);
Y = points(2,:);
[objects.centre]访问结构中每个centre字段的各个坐标，并将它们解压缩为逗号分隔列表。我重塑这个数组，使其为2行，其中第一行是X坐标，第二行是Y坐标。我提取出行并将它们放入单独的数组中。
接下来，为每个X和Y创建两个差异矩阵，其中行表示一个唯一坐标，列表示另一个唯一坐标。此矩阵内的值是i行i点和j列j点之间的差异：
Xdiff = bsxfun(@minus, X.', X);
Ydiff = bsxfun(@minus, Y.', Y);
bsxfun代表 B inary S ingleton E X pansion FUN ction。如果您熟悉repmat函数，它基本上会在引擎盖下复制矩阵和向量，以便您操作的两个输入具有相同的大小。在这种情况下，我正在做的是将X或Y指定为两个输入。一个是另一个的转置版本。通过此bsxfun自动广播每个输入，以便输入在维度上匹配。具体来说，第一个输入是X的列向量，因此这将重复并水平堆叠多次，与X中的值一样多。
类似地，这是针对Y值完成的。执行此操作后，对两个输出执行逐元素减法，然后在X和Y的一个点与另一个点之间得到组件式减法，其中该行为您提供第一个点，并且该列为您提供第二点。作为一个玩具示例，假设我们有X = [1 2 3]。使用上面的代码进行bsxfun调用会给出：
>> Xdiff = bsxfun(@minus, [1 2 3].', [1 2 3])
Xdiff =
## | 1 2 3
----------------------
1 | 0 -1 -2
2 | 1 0 -1
3 | 2 1 0
我在输出中放置了一些其他字符，但这些字符仅用于说明，并为您提供参考点。通过从##列获取行值并从##行中的列值中减去，可以获得所需的减法。例如，第一行第二列说明1 - 2 = -1。第二行，第三列说明2 - 3 = -1。如果对X和Y点执行此操作，则会获得一个点与对称矩阵中所有其他点的分量距离。
你会注意到这是一个反对称矩阵，其中对角线都是0 ...有意义，因为一个点的一个维度相对于自身的距离应为0.左下角的三角形部分由于减法的顺序，矩阵的符号与右边的符号相反。如果用点2减去点1，则执行相反的减法会给出相反的符号。但是，我们假设行表示第一个对象，列表示第二个对象，因此您希望专注于较低一半。
现在，计算距离，并确保将上半部或下三角半设置为NaN，因为在计算距离时，符号会被忽略。如果你不忽略这一点，我们会发现互动的重复对象，因此对象3和对象1将是一个与对象1和对象3不同的交互。你显然不关心订单，所以将上半部或下三角半设置为NaN以进行下一步。假设欧几里德距离：
dists = sqrt(Xdiff.^2 + Ydiff.^2);
dists(tril(ones(numel(objects))==1)) = NaN;
第一行计算所有点对的欧几里德距离，我们使用tril提取由所有逻辑1组成的矩阵的下三角部分。提取此矩阵，我们使用此矩阵将矩阵的下半部分设置为NaN。这允许我们跳过我们不感兴趣的条目。注意我也将对角线设置为0，因为我们对一个对象与其自身的距离不感兴趣。
现在你终于到了这里，搜索那些＆lt; 300像素：
[I,J] = find(dists < 300);
I和J是行/列对，用于确定矩阵中哪些行和列具有值＆lt; 300，所以在我们的例子中，数组中的每对I和J都会为您提供彼此接近的对象位置。
要最终确定正确的目标代码，您可以：
codes = [[objects(I).code].' [objects(J).code].'];
这使用I和J来访问逗号分隔列表中相似的对象的相应代码，并将它们并排放入N x 2矩阵中。因此，codes的每一行都为您提供满足距离要求的唯一对象对。
复制和粘贴：
points = reshape([objects.centre], 2, []);
X = points(1,:);
Y = points(2,:);
Xdiff = bsxfun(@minus, X.', X);
Ydiff = bsxfun(@minus, Y.', Y);
dists = sqrt(Xdiff.^2 + Ydiff.^2);
dists(tril(ones(numel(objects))==1)) = NaN;
[I,J] = find(dists < 300);
codes = [[objects(I).code].' [objects(J).code].'];
以下是我们可以用来验证我们的内容是否正确的示例：
objects(1).centre = [1868 1236];
objects(2).centre = [2000 1000];
objects(3).centre = [1900 1300];
objects(4).centre = [3000 2000];
objects(1).code = 33;
objects(2).code = 34;
objects(3).code = 35;
objects(4).code = 99;
我用不同的质心和不同的代码初始化了4个对象。让我们看看dists数组在计算后给出的内容：
>> format long g
>> dists
dists =
NaN 270.407100498489 71.5541752799933 1365.69396278961
NaN NaN 316.227766016838 1414.2135623731
NaN NaN NaN 1303.84048104053
NaN NaN NaN NaN
我故意将最后一点比其他三点中的任何一点更远，以确保我们能够显示有些点不在其他点附近的情况。
正如您所看到的，点（1,2）和（1,3）彼此接近，这是我们完成其余代码时得到的结果。这对应于具有（33,34）和（33,35）配对的物体33,34和35。代码为34和35的点数稍微小一点，但它们仍然大于300像素阈值，因此它们不会计算：
>> codes
codes =
33 34
33 35
现在，如果你想以美化格式显示它，也许可以使用for循环：
for vec = codes.'
fprintf('Object with code %d interacted with object with code %d\n', vec(1), vec(2));
end
这个for循环有点棘手。事实上，for loops can also accept matrices和索引变量从左到右一次为每个矩阵提供一列，这是一个鲜为人知的事实。因此，我转换了codes数组，以便每对唯一代码成为一列。我只是访问每列的第一个和第二个元素并将其打印出来。
我们得到：
Object with code 33 interacted with object with code 34
Object with code 33 interacted with object with code 35