Question

我正在编写一段代码，必须从RGB图像转换为rgb标准化空间。我已经使用了 for 格式，但运行速度太慢，我需要评估大量图像。我正在尝试对整个函数进行矢量化以加快它的速度。我现在所拥有的是以下内容：

     R = im(:,:,1);
     G = im(:,:,2);
     B = im(:,:,3);

     r=reshape(R,[],1);
     g=reshape(G,[],1);
     b=reshape(B,[],1);

     clear R G B;

     VNormalizedRed = r(:)/(r(:)+g(:)+b(:));
     VNormalizedGreen = g(:)/(r(:)+g(:)+b(:));
     VNormalizedBlue = b(:)/(r(:)+g(:)+b(:));

     NormalizedRed = reshape(VNormalizedRed,height,width);
     NormalizedGreen = reshape(VNormalizedGreen,height,width);
     NormalizedBlue = reshape(VNormalizedBlue,height,width);

主要问题是，当它到达VNormalizedRed = r(:)/(r(:)+g(:)+b(:));时，它会显示内存不足错误（这真的很奇怪，因为我刚刚释放了三个相同大小的向量）。这是错误吗？（的解决）

可以更有效地完成相同的过程吗？

修改

在使用Martin sugestions之后，我发现重塑功能不是必需的，能够用简单的代码做同样的事情：

     R = im(:,:,1);
     G = im(:,:,2);
     B = im(:,:,3);

     NormalizedRed = R(:,:)./sqrt(R(:,:).^2+G(:,:).^2+B(:,:).^2);
     NormalizedGreen = G(:,:)./sqrt(R(:,:).^2+G(:,:).^2+B(:,:).^2);
     NormalizedBlue = B(:,:)./sqrt(R(:,:).^2+G(:,:).^2+B(:,:).^2);

     norm(:,:,1) = NormalizedRed(:,:);
     norm(:,:,2) = NormalizedGreen(:,:);
     norm(:,:,3) = NormalizedBlue(:,:);

Answer 1

我相信你想要

VNormalizedRed = r(:)./(r(:)+g(:)+b(:));

注意/前面的点，它指定了逐个元素的除法。没有点，你就是在解决一个方程组 - 这可能不是你想要做的。这也可能解释了为什么你会看到高内存消耗。

Answer 2

您的整个第一个代码可以在一个矢量化的行中重写：

im_normalized = bsxfun(@rdivide, im, sum(im,3,'native'));

您的第二个略微修改的版本：

im_normalized = bsxfun(@rdivide, im, sqrt(sum(im.^2,3,'native')));

顺便说一下，你应该知道用于图像的数据类型，否则会得到意想不到的结果（例如由于整数除法）。因此，在执行规范化计算之前，我会将图像转换为double：

im = im2double(im);

RGB到规范rgb转换。矢量化

2 个答案: