C++ C+中的MATLAB张量索引+；

我尝试加载包含C++中已知维度张量的.Mat文件；代码>144x192x256

我已经将读取操作的线性索引调整为MATLAB中的column major。但是，我仍然遇到内存访问问题

void FeatureLoader::readMat(const std::string &fname, Image< std::vector<float> > *out) {
    //Read MAT file.
    const char mode = 'r';
    MATFile *matFile = matOpen(fname.c_str(), &mode);
    if (matFile == NULL) {
        throw std::runtime_error("Cannot read MAT file.");
    }


    //Copy the data from column major to row major storage.
    float *newData = newImage->GetData();
    const mxArray *arr = matGetVariable(matFile, "map");
    if (arr == NULL) {
        throw std::runtime_error("Cannot read variable.");
    }

    double *arrData = (double*)mxGetPr(arr);
#pragma omp parallel for
    for (int i = 0; i < 144; i++) {
#pragma omp parallel for
        for (int j = 0; j < 192; j++) {
            for (int k = 0; k < 256; k++) {
                int rowMajIdx = (i * 192 + j) * 256 + k;
                int colMajIdx = (j * 144 + i) * 256 + k;
                newData[rowMajIdx] = static_cast<float>(arrData[colMajIdx]);
            }
        }
    }
}

---

这是MATLAB使用的基本表示法吗？

行mayor和列mayor

Idx的索引中存在一些错误。此外，由于随机内存访问（内存延迟是关键！），天真地访问数据可能会导致非常慢的时间

< >从MATLAB到C++类型（从3D到1D）的最好方法是下面的例子。


在本例中，我们演示了如何从MATLAB获取双实型3D矩阵，并将其传递给C
double*
数组

本示例的主要目的是展示如何从MATLAB MEX阵列获取数据，并强调矩阵存储和处理中的一些小细节

matrixIn.cpp
#包括“mex.h”
void MEX函数（整数nlhs，mxArray*plhs[]，
整数nrhs，mxArray const*prhs[]{
//检查输入量
如果（nrhs！=1）{
MEXERMSGIDANDTXT（“matrixIn:InvalidInput”，“MEX文件的输入数无效”）；
}
//检查输入类型
如果（！mxisDuble（prhs[0]）| | mxIsComplex（prhs[0]））{
MEXERMSGIDANDTXT（“matrixIn:InvalidType”，“输入矩阵必须是双精度非复杂数组”）；
}
//提取数据
double const*const matrixAux=静态_cast（mxGetData（prhs[0]）；
//获取矩阵大小
常量mwSize*sizeInputMatrix=mxGetDimensions（prhs[0]）；
//在C中分配数组。注意：它是1D数组，而不是3D数组，即使我们的输入是3D
double*matrixInC=（double*）malloc（sizeInputMatrix[0]*sizeInputMatrix[1]*sizeInputMatrix[2]*sizeof（double））；
//MATLAB是列主键，而不是行主键（如C）。我们需要对数字重新排序
//基本置换维数
//注意：循环的顺序经过优化，可实现最快的内存访问！
//这将使速度提高约300%
const int size0=sizeInputMatrix[0]；//const使编译器优化生效
常量int size1=sizeInputMatrix[1]；
const int size2=sizeInputMatrix[2]；
对于（int j=0；j


应注意的相关概念：


MATLAB矩阵在内存中都是一维的，无论它们在MATLAB中使用时有多少维。对于C/C++库中的大多数（如果不是全部的话）主矩阵表示也是如此，因为它允许优化和更快的执行

您需要在循环中将矩阵从MATLAB显式复制到C

MATLAB矩阵是按列主顺序存储的，就像Fortran一样，但C/C++和大多数现代语言是按行主顺序存储的。排列输入矩阵很重要，否则数据看起来会完全不同


本例中的相关功能包括：


mxidouble
检查输入是否为
double
类型
mxicomplex
检查输入是实输入还是虚输入
mxGetData
返回指向输入数组中真实数据的指针<代码>空值

如果没有实际数据

mxGetDimensions

返回指向

mwSize

数组的指针，每个索引中都有维度的大小

---

没有C/C++这样的东西-它们是两种独立的语言，应该可以通过这种方式访问数据。但是您应该检查数组的类型

arr

。它可能不是双倍的，那么你的读数就超出了范围。当然，你也应该读取数组大小，不要做这样的假设。接下来，检查索引：如果MATLAB中的大小真的是144x192x256，那么您应该索引

（k*192+j）*144+i

。但这与seg故障没有区别。

idx_row_major = (x*WIDTH + y)*DEPTH + z
idx_col_major = (y*HEIGHT + x)*DEPTH + z

#include "mex.h"

void mexFunction(int  nlhs , mxArray *plhs[],
        int nrhs, mxArray const *prhs[]){
   // check amount of inputs
   if (nrhs!=1) {
        mexErrMsgIdAndTxt("matrixIn:InvalidInput", "Invalid number of inputs to MEX file.");
    }

   // check type of input
   if( !mxIsDouble(prhs[0]) || mxIsComplex(prhs[0])){
        mexErrMsgIdAndTxt("matrixIn:InvalidType",  "Input matrix must be a double, non-complex array.");
   }

   // extract the data
   double const * const matrixAux= static_cast<double const *>(mxGetData(prhs[0]));

   // Get matrix size
   const mwSize *sizeInputMatrix= mxGetDimensions(prhs[0]);

   // allocate array in C. Note: its 1D array, not 3D even if our input is 3D
   double*  matrixInC= (double*)malloc(sizeInputMatrix[0] *sizeInputMatrix[1] *sizeInputMatrix[2]* sizeof(double));


   // MATLAB is column major, not row major (as C). We need to reorder the numbers
   // Basically permutes dimensions   

   // NOTE: the ordering of the loops is optimized for fastest memory access! 
   // This improves the speed in about 300% 

    const int size0 = sizeInputMatrix[0]; // Const makes compiler optimization kick in
    const int size1 = sizeInputMatrix[1];
    const int size2 = sizeInputMatrix[2];

    for (int j = 0; j < size2; j++)
    {
        int jOffset = j*size0*size1; // this saves re-computation time
        for (int k = 0; k < size0; k++)
        {
            int kOffset = k*size1; // this saves re-computation time
            for (int i = 0; i < size1; i++)
            {
                int iOffset = i*size0; 
                matrixInC[i + jOffset + kOffset] = matrixAux[iOffset + jOffset + k];
            }
        }
    }

    // we are done!

    // Use your C matrix here

    // free memory
    free(matrixInC);
    return;
}