C++ 在向量上滑动向量的算法

我一直在问一些关于矩阵的问题，并把它们分成几个块——但这显然不起作用，所以我选择了另一条路

假设在这个例子中，我有一个矩阵（向量），它是4x4：

M1=

M2=

现在，我需要确定M1中哪个块最适合M2中的块。基本上，在一个大矩阵中识别一个小矩阵

我需要帮助的算法基本上是在矩阵1上滑动小矩阵，直到找到它的最佳匹配。（我正在使用相关性/相似性度量）

我一直认为它需要一次以一个像素/值滑动。但是，显然我不想检查每个值的相关性

以下是用于将矩阵X1（在当前位置）与矩阵2进行比较的函数：

这是比较矩阵的函数：

   bool compareMatrix(vector<double> &theMatrix1, vector<double> &theMatrix2, int 
   startRow, int startCol)
   {
      cout << theMatrix1[startRow*4+startCol]; // This prints out the particular block
   }

bool比较矩阵（向量和矩阵1，向量和矩阵2，整数
startRow，int startCol）
{
一个物体扫描另一个物体的一种方法是反转一个物体（h’（x，y）=h（-x，-y）。然后使用卷积定理-查看并查看在二维中工作的东西。卷积定理的要点是，进行FFT只需n logN，因此对于某些参数，它要快得多

这在信号处理中被广泛使用的事实也向我表明，如果你真的需要相关性，你将找不到比这更快的捷径。如果你对某些时候遗漏的东西感到满意，也许你可以做一些事情，比如在两个矩阵中寻找特征，找到特征的匹配，然后检查a这些匹配建议的对齐方式。
扫描一个对象到另一个对象的一种方法是反转一个对象（h'（x，y）=h（-x，-y）然后使用卷积定理，看看，看看，在二维中，卷积定理的要点是，进行FFT只需要n logn，所以对于某些参数，它要快得多

这在信号处理中被广泛使用的事实也向我表明，如果你真的需要相关性，你将找不到比这更快的捷径。如果你对某些时候遗漏的东西感到满意，也许你可以做一些事情，比如在两个矩阵中寻找特征，找到特征的匹配，然后检查a这些匹配建议的对齐方式。
这个问题看起来很熟悉……这个问题是关于在临时向量中插入值，然后处理数据，而不是分成块。它扫描图像：）你应该按M2搜索M1。这个顺序是O（大小M1*大小M2）。当您在M1中搜索每个块时，计算匹配错误（显示M1中有多少元素与M2不匹配）谢谢你的回复。问题是我在扫描M1时遇到问题，甚至考虑搜索M2的内容。这个问题看起来很熟悉…这个问题是在一个临时向量中插入值，然后处理数据，而不是分割成块。图：）您应该按M2搜索M1。此顺序为O（大小M1*大小M2）。当您为每个块搜索M1时，计算匹配错误（显示M1中有多少元素与M2不匹配）找到匹配的最小误差。嘿-谢谢你的回复。问题是我在扫描M1时遇到问题，甚至考虑搜索M2的内容。
   0 1
   1 0

   bool compareMatrix(vector<double> &theMatrix1, vector<double> &theMatrix2, int 
   startRow, int startCol)
   {
      cout << theMatrix1[startRow*4+startCol]; // This prints out the particular block
   }

vector<double> temp(2*2, 0);
temp.push_back(theMatrix1[startRow*4+startCol]);

double corr = correlation(temp, matrix2, 4, 4); 
return corr;