Question

我想在R中加快这段代码。

输入是一个包含整数的数组3x3x3，并且基于邻居，如果它们为零，则将它们替换为相应的数字。

输出是带有新值的数组“mask_roi”。

###### Start here

list_neig = array(0, dim = c(3,3,3))

mask_roi = array(sample(c(0,1,2),27,replace=T), dim = c(3,3,3))

values_mask = array(1:27, dim = c(3,3,3))

values_mask_melted = melt(values_mask, varnames=c("x","y","z"))

### Tranform the 3D Matrix in a data.table wit 4 columns position and value
image_melted  <- melt(mask_roi, varnames=c("x","y","z"))  # 4 columns: x, y, z, value

image_melted$box = rownames(image_melted)

image_melted_non_zeros<-image_melted[!(image_melted$value==0),]

box_neigbors = vector("list", nrow(image_melted))

for (i in 1:(nrow(image_melted_non_zeros))){
  cat(i,"\n")
  x = image_melted_non_zeros[i,1]
  y = image_melted_non_zeros[i,2]
  z = image_melted_non_zeros[i,3] 

  box_neigbors[[image_melted_non_zeros[i,5]]] <- list(nearestNeighbors(values_mask, elem = c(x,y,z), dist = 1,dim = c(3,3,3)))

}

我已经完成了“box_neighbors”向量，只是将它包含在这里以显示如何获取它，我们需要从这里到结束更快。这个想法是，检查所有体素不同的零并检查他的所有邻居。如果他的邻居为零，他将具有相同的值，如果不是零则保持原始值。

for (i in 1:(nrow(image_melted_non_zeros))){
  cat(i,"\n")  
  x = image_melted_non_zeros[i,1]
  y = image_melted_non_zeros[i,2]
  z = image_melted_non_zeros[i,3] 

  number_of_nei = length(box_neigbors[[image_melted_non_zeros[i,5]]][[1]] )
  value_vozel = mask_roi[x,y,z]  # it will give this new value 

  for (j in 1:number_of_nei){
    nei_number = box_neigbors[[image_melted_non_zeros[i,5]]][[1]][j]

    xx = image_melted[nei_number,1]
    yy = image_melted[nei_number,2]
    zz = image_melted[nei_number,3]     

    value_nei = mask_roi[xx,yy,zz]

    if(value_nei == 0){      
      mask_roi[xx,yy,zz] = value_vozel
    }  
  }  
}

我需要为256x256x256阵列而不是3x3x3执行此操作。

非常感谢！

nearestNeighbors <- function(ary, elem, dist, dims){
  usedims <- mapply(function(el, d) {
    seq(max(1, el - dist), min(d, el + dist))
  }, elem, dims, SIMPLIFY=FALSE)
  df <- as.matrix(do.call('expand.grid', usedims))
  ndist <- sqrt(apply(df, 1, function(x) sum((x - elem)^2)))
  ret <- df[which(ndist > 0 & ndist <= dist),,drop = FALSE]

  return(ary[ret])

}

Answer 1

我整理了一个使用K-d树的实现。它可以在具有16GB RAM和2.3 GHz i.7处理器的MacBookPro上运行~13秒内处理256x256x256阵列。你没有给出任何具体的基准，但我认为13s足以发表答案。我已经概述了以下步骤。如果我误解了部分问题，请告诉我。

<强>设定：

我们有一个边长为n的盒子。框中的点由坐标i，j，k确定范围从1到n。总共，该框包含n ^ 3个唯一点。每个点都有一个相关的整数值0,1或2.

问题：

框中n = 256。对于具有0值的每个点P，找到它最近的k NON-ZERO-VALUED邻居并使用该邻居的值更新P. 更新后，框中的每个点都应为非零。

<强>解决方案：

我们的盒子有16,777,216（256 ^ 3）点，因此蛮力方法已经淘汰。幸运的是，这正是K-d Trees的用途 https://en.wikipedia.org/wiki/K-d_tree。有一些R库专注于度量数据结构。我在这个例子中使用FNN，因为我认为它具有更强大的API 而不是替代https://cran.r-project.org/web/packages/FNN/index.html。

代码：

该框表示为具有列名（i，j，k，value）的矩阵。每行代表框中的一个点。

set.seed(256)
library(FNN)
len = 256
values = c(0, 1, 2)
createBox = function(n, vals) {
    index = 1:len^3
    value = sample(vals, length(index), replace = T)
    box = as.matrix(cbind(index, index, index, value))
    dimnames(box) = list(NULL, c("i", "j", "k", "value"))
    box
}
box= createBox(len, values)

knnx.index函数接受框矩阵和查询矩阵（框矩阵的子集）作为参数并返回查询中每个点的最近邻居索引。

updateZeroValuedPoints = function(box, kval) {
  zeroPointIndx = which(box[ , "value"] == 0)
  nonZeroPoints = box[-1 * zeroPointIndx, ]
  zeroPoints = box[zeroPointIndx, ]
  nnIdx = knnx.index(nonZeroPoints, zeroPoints, k = kval, algorithm = "kd_tree")
  zeroPoints[, "value"] = nonZeroPoints[nnIdx[ , ncol(nnIdx)], "value"]
  zeroPoints
}

一旦你有了邻居索引，它就是一个简单的交换来更新值，不需要循环。

system.time(updateZeroValuedPoints(box, 1))
# > system.time(updateZeroValuedPoints(box, 1))
# user  system elapsed
# 13.517   1.162  14.676

希望这很有用，并且接近你的表现期望。

用R加速循环和条件

1 个答案: