Matlab：矩阵邻域提取

我有大量的图像，我已经将它们分解成若干段，使它们的矩阵看起来像：

img = [ 1 1 1 1 1 2 2 2 3 3 3 3  
        1 1 1 1 2 2 2 2 2 3 3 3  
        1 1 1 4 4 4 2 2 2 3 3 3  
        5 5 5 5 5 5 5 2 2 3 3 3 ];

其中每个数字代表不同的区域，每个区域的形状是任意的。在这种情况下，区域1有邻居2，4和5，区域2有邻居1，3和4，依此类推

我已将所有区域提取到单独的单元格中，并获得统计数据（均值、方差等），我计划使用这些数据将区域与特定公差内的统计数据合并。我正在努力寻找一种有效的方法，以获得每个地区的邻国，从而实现合并

我有一个可怕的解决方案，即使是一张图片也需要很长时间：

referenceImage = [ 1 1 1 1 1 2 2 2 3 3 3 3;
                    1 1 1 1 2 2 2 2 2 3 3 3;
                    1 1 1 4 4 4 2 2 2 3 3 3;
                    5 5 5 5 5 5 5 2 2 3 3 3];

% Wish to extract each region into a separate cell
lastSP = 5;
sps = 1:lastSP;
% Could be a way to vectorise the below loop but it escapes me
superPixels(lastSP) = struct('Indices', 0, 'Neighbours', 0);
% Split data into separate cells
parfor a = 1 : lastSP
    inds = find(referenceImage == sps(a));
    superPixels(a).Indices = inds;
end

szs = size(referenceImage); % Sizes of RGB Image
for a = 1 : lastSP + 1
    mask = zeros(szs(1), szs(2)); % Just bin mask wanted
    mask(superPixels(a).Indices) = 1; % Mark the region pixels as one
    mask = xor(bwmorph(mask, 'thicken'), mask); % Obtain the outlying regions

    inds = find(mask ==1); % Fetch the external region indices

    neighbours = []; % Have to dynamically grow neighbours matrix
    neigh = 1;  

    for b = 1 : length(inds)
        found = false;
        if ~isempty(neighbours) % Check neighbours first
            for c = 1 : length(neighbours)
                if any(superPixels(neighbours(c)).Indices == inds(b))
                    found = true;
                    break;
                end
            end
        end

        if ~found
           for c = 1 : lastSP + 1 % Check every other region
               if any(superPixels(c).Indices == inds(b))
                    neighbours(neigh) = c;
                    neigh = neigh + 1;
                    break;
                end
           end
        end            
    end  
    superPixels(a).Neighbours = neighbours;
end

我想知道这是否是解决这个问题的最好方法。我知道最后一个循环是主要的问题，但我想不出其他合理的方法来写这个，除非我递归并检查已知邻居的邻居

如有任何帮助或推动方向正确，将不胜感激；谢谢

一个简单（但可能不是最有效）的解决方案是放大每个区域遮罩以拾取邻居：

labels = unique(img);
nLabels = length(labels);
neighbors = cell(nLabels,1);

for iLabel = 1:nLabels
   msk = img == labels(iLabel);
   adjacentPixelMask = imdilate(msk,true(3)) & ~msk;
   neighbors{iLabel} = unique(img(adjacentPixelMask));
end

neighbors{1}
ans =
     2
     4
     5

---

您的代码不能正常运行。您应该定义所有变量，以便我们可以将其粘贴到Matlab命令窗口并获得结果。或者：对于您的示例

img

，准确地说出所需的输出be@SeanTheStudent：我相信您使用的方法与我相同，但您以某种方式检查每个像素的邻居，而查看区域的邻居则更快。太棒了！每个图像从几分钟过渡到20秒左右；巨大的差异，非常感谢！我对Matlab及其向量/矩阵方法有点陌生，因此感谢您的帮助@乔纳斯，很好！对于每个超像素，不仅要考虑最近的邻居（比如说

k=1

），还要考虑邻居的邻居（

k=2

）。@Tin:

1

的邻居是

唯一的（cat（1，邻居{neights{1}]）

。使用邻居数组查看邻居的邻居。@Jonas，谢谢！因此，如果我想考虑<代码> k＝3 < /COD>（邻居邻居的邻居）或更高，那么我可以使用递归函数<代码>唯一（CAT（1，邻居{ {II}}））< /C> >，其中代码> II< /COD>是邻居。你认为有更快的方法吗？