Question

我正在尝试实施SIFT算法。我有一个矩阵，比如D，维度（3，m，n）。对于矩阵中间层中的每个点，即A（2，：，:)（Matlab是1索引），我需要找到该点的3x3邻域中的局部最小值。我这样做的方式是一种非常天真的方式如下：

img = D(2, :, :);
for r = 2:size(img, 1)-1
    for c = 2:size(img, 2)-1
        nbr = D(:, (r-1):(r+1), (c-1):(c+1));
        if abs(D(2,r,c) - min(nbr(:))) <= eps(0.5) || abs(D(2,r,c) - max(nbr(:))) <= eps(0.5)
            x = [x; r];
            y = [y; c];
        end
    end
end

但这种计算速度极慢。反正这样做更快吗？

Answer 1

您可以尝试使用此代码：

Nr = size(D, 2); Nc = size(D, 3);
[r0,c0] = meshgrid(-1:1, -1:1);
[r,c]   = meshgrid(2:Nr-1, 2:Nc-1);
r = r(:);
c = c(:);

nbr1 = squeeze(D(1, :, :));
nbr2 = squeeze(D(2, :, :));
nbr3 = squeeze(D(3, :, :));
ind1 = bsxfun(@plus,r,r0(:)') + (bsxfun(@plus,c,c0(:)')-1)*Nr;
nbr0 = nbr2(r + (c-1)*Nr);
nbrx = [nbr1(ind1), nbr2(ind1), nbr3(ind1)];

condition = abs(nbr0-min(nbrx,[],2)) <= eps(0.5) | abs(nbr0-max(nbrx,[],2)) <= eps(0.5);

x = r(condition);
y = c(condition);
[x,y]

大型矩阵应该更快。

要避免使用squeeze功能，请重新排序索引（dimension (m, n, 3)而不是dimension (3, m, n)）。因此：

Nr = size(D, 1); Nc = size(D, 2);

nbr1 = D(:, :, 1);
nbr2 = D(:, :, 2);
nbr3 = D(:, :, 3);

在Matlab中找到3D矩阵中邻域的局部最小值

1 个答案: