Question

我正在尝试将这行代码从Python转换为MATLAB：

new_img[M[0, :] - corners[0][0], M[1, :] - corners[1][0], :] = img[T[0, :], T[1, :], :]

自然，我写了这样的话：

new_img(M(1,:)-corners(2,1),M(2,:)-corners(2,2),:) = img(T(1,:),T(2,:),:);

但是到达该行时，它给了我以下错误：

请求的106275x106275x3（252.4GB）阵列超出最大阵列大小偏爱。创建大于此限制的数组可能需要很长时间时间并导致MATLAB无法响应。请参阅数组大小限制或首选项面板以获取更多信息。

这使我相信它分配的东西不正确。图最多为1000×1500 RGB图像。相同的代码在Python中的工作时间不到5秒。我该如何进行矢量分配，如MATLAB第一行中的代码？

顺便说一句，我没有为这段帖子粘贴我的代码的所有行，以免太长。如果我需要添加其他内容，请告诉我。

编辑： 这是我要我的代码做什么的解释（基本上，这就是Python代码的作用）：

请考虑以下代码行。这不是真正的MATLAB代码，我只是想解释一下我想做什么：

A([2 3 5], [1 3 5]) = B([1 2 3], [2 4 6])

它的解释是这样的：

A(2,1) = B(1,2)
A(3,1) = B(2,2)
A(5,1) = B(3,2)
A(2,3) = B(1,4)
A(3,3) = B(2,4)
A(5,3) = B(3,4)
...
...
...

相反，我希望这样解释它：

A(2,1) = B(1,2)
A(3,3) = B(2,4)
A(5,5) = B(3,6)

Answer 1

在Python中执行A[vector1, vector2]时，您将集合索引：

A[vector1[0], vector2[0]]
A[vector1[1], vector2[1]]
A[vector1[2], vector2[2]]
A[vector1[3], vector2[3]]
...

在MATLAB中，外观类似的A(vector1, vector2)索引了集合：

A(vector1(1), vector2(1))
A(vector1(1), vector2(2))
A(vector1(1), vector2(3))
A(vector1(1), vector2(4))
...
A(vector1(2), vector2(1))
A(vector1(2), vector2(2))
A(vector1(2), vector2(3))
A(vector1(2), vector2(4))
...

也就是说，您获得索引的每种组合。您应该将其视为由两个向量中指定的行和列组成的子数组。

要完成与Python代码相同的操作，您需要使用线性索引：

index = sub2ind(size(A), vector1, vector2);
A(index)

因此，您的MATLAB代码应该执行以下操作：

index1 = sub2ind(size(new_img), M(1,:)-corners(2,1), M(2,:)-corners(2,2));
index2 = sub2ind(size(img), T(1,:), T(2,:));

% these indices are for first 2 dims only, need to index in 3rd dim also:
offset1 = size(new_img,1) * size(new_img,2);
offset2 = size(img,1) * size(img,2);
index1 = index1.' + offset1 * (0:size(new_img,3)-1);
index2 = index2.' + offset2 * (0:size(new_img,3)-1);

new_img(index1) = img(index2);

中间块在这里所做的是沿第3维为相同元素添加线性索引。如果ii是第一个通道中元素的线性索引，则ii + offset1是第二个通道中相同元素的索引，而ii + 2*offset1是第一个通道中相同元素的索引第三通道等。因此，在这里我们为所有这些矩阵元素生成索引。 +操作正在执行隐式单例扩展（在Python中它们称为“广播”）。如果您使用的是旧版本的MATLAB，则此操作将失败，您需要将A+B替换为bsxfun(@plus,A,B)。

在MATLAB中进行这种pythonic向量化分配的等效方法是什么？

1 个答案: