如何优化从3D矩阵生成线性索引的matlab函数

我用MATLAB写了一小段代码。这实际上是一个从3D矩阵生成线性索引的函数。这实际上是一个更大项目的一部分。问题是代码可以工作，但没有优化，速度很慢。当我在MATLAB上运行profiler时，90%的计算时间都被这个函数占用了。如何优化此代码

%
A = rand(3,3);
H = 1200;
W = 1500;
S = rand(H,W,3,'uint8')
R = zeros(H,W,3,'uint8');
lIR = zeros(1,H*W*3);
lIC = zeros(1,H*W*3);
count = 0;
for rY = 1:1:H
    for rX = 1:1:W
        [oX,oY] = func1(rX,rY);
        cP = A*[oX; oY; 1];
        cP = cP / cP(3);
        cX = round(cP(1)); cY = round(cP(2));
        if cX < size(S,2) && cX > 1 && cY < size(S,1) && cY > 1
            lIR(count+1:count+3) = sub2ind([size(R) 1],[rY rY rY], [rX rX rX],1:3);
            lIC(count+1:count+3) = sub2ind([size(S) 1],[cY cY cY],[cX cX cX],1:3);
            count = count + 3;
        end
    end
end
%
function [oX,oY] = func1(rX,rY)
C1 = 1000;
C2 = 1200;
C3 = 1500;
C4 = 1700;
oX = C1 + (C3 - C1) * ((rX - 1) / (W - 1));
oY = C2 + (C4 - C2) * ((rY - 1) / (H - 1));
end

现在代码如下所示：

%
A = rand(3,3);
H = 1200;
W = 1500;
S = rand(H,W,3,'uint8')
R = zeros(H,W,3,'uint8');
lIR = zeros(1,H*W*3);
lIC = zeros(1,H*W*3);
count = 0;
[rX,rY] = meshgrid(1:W,1:H);
[oX,oY] = func1(rX,rY);

for j = 1:1:H
    for i = 1:1:W

        cP = A*[oX(i); oY(j); 1];
        cP = cP / cP(3);
        c = round(cP);
        if cp(1) < size(S,2) && cp(1) > 1 && cp(2) < size(S,1) && cp(2) > 1
            lIR(count+1:count+3) = sub2ind([size(R) 1],[rY rY rY], [rX rX rX],1:3);
            lIC(count+1:count+3) = sub2ind([size(S) 1],[cY cY cY],[cX cX cX],1:3);
            count = count + 3;
        end
    end
end
%
function [oX,oY] = func1(rX,rY)
C1 = 1000;
C2 = 1200;
C3 = 1500;
C4 = 1700;
oX = C1 + (C3 - C1) * ((rX - 1) / (W - 1));
oY = C2 + (C4 - C2) * ((rY - 1) / (H - 1));
end

---

这部分代码仍然非常慢…

优化这段代码的最佳方法是将其矢量化，但我现在似乎不知道如何做到这一点，然而，我看到一些有待优化的东西，可能会给你一个小的加速，首先，行

[oX,oY] = func1(rX,rY);

可以从循环中取出并更新

func1

，以生成两个矩阵[oX（ry，rj）]和[oY（ry，rj）]，然后您只需访问这些值，而不是再次调用

func1

，这将消除对

func1

的近1800.000次调用所消耗的时间，同时又消耗了大约30 MB的内存（我在matlab中创建了一个1200x1500的随机矩阵，它的大小约为14.4MB）

同样地，这条线

cX = round(cP(1)); cY = round(cP(2));

可能只是

c=round(CP(1:2))

然后，您可以通过

c（1）

替换

cX

，通过

c（2）

替换

cY

，再次消除对

轮的近180.000次调用

此外，我认为没有必要使用

cX < size(S,2) && cX > 1 && cY < size(S,1) && cY > 1

如果我明天有什么新想法，我现在真的需要睡觉了

---

干杯

优化此代码的最佳方法是将其矢量化，但我现在似乎不知道如何做到这一点，然而，我看到一些有待优化的东西，可能会给您一个小的加速，首先，行

[oX,oY] = func1(rX,rY);

可以从循环中取出并更新

func1

，以生成两个矩阵[oX（ry，rj）]和[oY（ry，rj）]，然后您只需访问这些值，而不是再次调用

func1

，这将消除对

func1

的近1800.000次调用所消耗的时间，同时又消耗了大约30 MB的内存（我在matlab中创建了一个1200x1500的随机矩阵，它的大小约为14.4MB）

同样地，这条线

cX = round(cP(1)); cY = round(cP(2));

可能只是

c=round(CP(1:2))

然后，您可以通过

c（1）

替换

cX

，通过

c（2）

替换

cY

，再次消除对

轮的近180.000次调用

此外，我认为没有必要使用

cX < size(S,2) && cX > 1 && cY < size(S,1) && cY > 1

如果我明天有什么新想法，我现在真的需要睡觉了

Cheers

只需使用-一个内置函数，可将下标转换为线性索引

linearInd=sub2ind（数组化，dim1Sub，dim2Sub，dim3Sub，…）

返回与大小为arraySize的N维数组的每个维度的指定下标等效的线性索引。arraySize输入是一个N元素向量，用于指定数组中的维度数。dimNSub输入是正整数标量或向量，用于为数组指定一个或多个行-列下标矩阵

比如说,

A = rand(3, 4, 2);
linearInd = sub2ind(size(A), 2, 1, 2);

linearInd =
14

只需使用-一个将下标转换为线性索引的内置函数

linearInd=sub2ind（数组化，dim1Sub，dim2Sub，dim3Sub，…）

返回与大小为arraySize的N维数组的每个维度的指定下标等效的线性索引。arraySize输入是一个N元素向量，用于指定数组中的维度数。dimNSub输入是正整数标量或向量，用于为数组指定一个或多个行-列下标矩阵

比如说,

A = rand(3, 4, 2);
linearInd = sub2ind(size(A), 2, 1, 2);

linearInd =
14

---

首先，你可以去掉func1。你可以用

for ox = C1:(  (C3-C1)/(W-1) ):C3

oy是类似的

实际上，我想知道在if条件内增加计数器是否是一个错误。因为lIR和lIC中的位置取决于结果。

---

此外，它是唯一依赖于循环中以前运行的值-如果您消除了这种依赖性，循环可以与parfor一起使用。

对于其中一个，您可以消除func1。您可以用

for ox = C1:(  (C3-C1)/(W-1) ):C3

oy是类似的

实际上，我想知道在if条件内增加计数器是否是一个错误。因为lIR和lIC中的位置取决于结果。

---

此外，它是唯一一个依赖于循环中以前运行的值-如果您消除了这种依赖，循环可以与parfor一起使用。

您使用的是什么版本的matlab？我使用的是什么版本的matlab？我使用的是matlab 2012。第一点是函数“func1”用于处理每个点，输出是sub2ind的输入。如您所见，我在代码中使用sub2ind，但它是代码中最耗时的部分，应该进行优化。因此问题仍然没有解决。好的，我知道您需要优化的不是

sub2ind

。而是嵌套循环。

sub2ind

已经是“矢量化”的，因为它可以获得多于一个点的输入。for循环和if条件需要矢量化。第一个点是函数“func1”用于处理每个点，输出是sub2ind的输入。如您所见，我在代码中使用sub2ind，但它是代码中最耗时的部分，应该进行优化。因此问题仍然没有解决。好的，我知道您需要优化的不是

sub2ind

。而是嵌套循环。

sub2ind

已经是“矢量的”因为它可以得到一个不止一个点的输入。你的for循环和if条件需要矢量化。谢谢你，伙计，你提到的没问题，但是当我在MATLAB的Profiler下运行这个代码时，最耗时的部分是'sub2ind'，这是MATLAB的一个内部函数。实际上我正在考虑替换这个函数谢谢你，伙计，你提到的一切都很好，但是当我在MATLAB的Profiler下运行这段代码时，大多数时候