У меня есть следующий фрагмент кода в Matlab с двумя циклами for: "I" - это двоичное изображение, которое было предварительно выделено.

...
[x,y] = find(bwmorph(I,'endpoints'));
n=numel(x);
m=numel(x)-1;
n=m+1;
r=i+1;
for i= 1:m
for j = r:n
I=linept(I, x(i), y(i), x(j), y(j));
end;
end;
...
Функция linept приведена ниже. Она взята из файлового обмена Matlab:
function result=linept(matrix, X1, Y1, X2, Y2)
result = matrix;
a=max(1, X1);b=sign(X2 - X1);c=max(1, X2);
for x=a:b:c
y = round(f(x, X1, Y1, X2, Y2));
if y > 0
result(x, y) = 1;
end
end
d=max(1, Y1);e=sign(Y2 - Y1);g=max(1, Y2);
for y=d:e:g
x = round(f2(y, X1, Y1, X2, Y2));
if x > 0
result(x, y) = 1;
end
end
function y=f(x, X1, Y1, X2, Y2)
a = (Y2 - Y1)/(X2 - X1);
b = Y1 - X1 * a;
y = a * x + b;
function x=f2(y, X1, Y1, X2, Y2)
if X1==X2
x = X1;
else
a = (Y2 - Y1)/(X2 - X1);
b = Y1 - X1 * a;
x = (y - b)/a;
end
Из-за большого количества циклов for и вызовов функций этот код выполняется очень медленно. Он выполняется быстро для простого изображения с несколькими конечными точками, но занимает много времени, когда количество ребер больше. Это немного быстрее. если размер изображения уменьшен. Я попытался векторизовать его и предварительно распределил некоторые переменные, но особых улучшений нет. Может ли кто-нибудь помочь мне в том, как векторизовать коды, которые вызывают функции в циклах. Спасибо
Ответ 1 · рейтинг 2 · Divakar
Это была одна большая проблема!!
Краткое обсуждение и коды решений
Далее в списке указан векторизованный подход, в котором активно используется bsxfun в разных местах, чтобы позаботиться о соединении всех точек со всеми другими точками с помощью expansions, что в основном и является тем, как работает bsxfun. Код в нем использует пример входных данных для демонстрационных целей. Взглянем -
%// Create demo input data
img = false(20);
img(2,5:15) = 1;
img(12,5:15) = 1;
figure,imagesc(img), colormap gray, title('Starting Binary image')
%// Find endpoints
[X,Y] = find(bwmorph(img,'endpoints'));
%// Make a new binary image with only endpoints in it
I = false(size(img));
I(sub2ind(size(I),X,Y)) = 1;
figure,imagesc(I), colormap gray, title('Endpoints detected')
%-------- Vectorized code starts here ...
[nrows,ncols] = size(I); %// Parameters
npts = numel(X);
twopts = nchoosek(1:npts,2);
slopes = (Y(twopts(:,1)) - Y(twopts(:,2)))./(X(twopts(:,1)) - X(twopts(:,2)));
%// Find the connecting indices with X-Y as they are, to work with
%// slopes within [-1 1]
stage1 = abs(slopes)<=1;
[colID,rowID] = connecting_idx(X,Y,twopts(stage1,:),slopes(stage1));
valid = colID>0 & rowID>0 & colID<=ncols & rowID<=nrows;
I((colID(valid)-1)*nrows + rowID(valid))=1;
%// Find the connecting indices with X-Y interchanged, to work with
%// slopes outside [-1 1]
[rowID,colID] = connecting_idx(Y,X,twopts(~stage1,:),1./slopes(~stage1));
valid = colID>0 & rowID>0 & colID<=ncols & rowID<=nrows;
I((colID(valid)-1)*nrows + rowID(valid))=1;
figure,imagesc(I),colormap gray,title('Final output : Endpoints connected')
Связанный код функции (наиболее важная часть кодовой базы) -
function [y_all,x_all] = connecting_idx(X,Y,twopts,slopes)
%// Find XY indices that connects the X, Y anchor points given the two points
%// combinations and the corresponding slopes
X_twopts = reshape(X(twopts),size(twopts));
Y_twopts = reshape(Y(twopts),size(twopts));
[sortedX_pairs1,sorted_idx1] = sort(X_twopts,2);
X_starts1 = sortedX_pairs1(:,1);
Y_pairs = Y_twopts;
Y_starts = Y_pairs(sorted_idx1==1);
offsets = Y_starts - slopes.*X_starts1;
max_X_len = max(diff(sortedX_pairs1,[],2));
x_all = bsxfun(@plus,X_starts1,[0:max_X_len]);
x_lens = diff(sortedX_pairs1,[],2);
mask = bsxfun(@gt,x_lens+1,0:max_X_len);
y_all = round(bsxfun(@plus,bsxfun(@times,x_all,slopes),offsets));
y_all = y_all(mask);
x_all = x_all(mask);
return;
Отладка изображений после запуска кода -