Performance MATLAB/Octave：从图像中剪切许多圆

我有一个矩阵（图像）和关于圆圈内有趣部分的信息 （给出了中心坐标和半径）。我想参加所有的比赛 部分矩阵，以便对每个圆进行更多计算。或者至少我想要一个包含所有圆圈的位掩码

我使用Octave（但也可以使用MATLAB，但由于许可证的限制，这将很困难），并且有下面的脚本和stackoverflow的一些提示。我有20个圆圈的信息，在我的核心i5上使用倍频程大约需要0.7秒：

% image
dim_x = 1000;
dim_y = 1000;
A=rand(dim_x,dim_y);

% center positions and ...
c = [222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112];
%...  radii of the circles
r = [10 33 55 2 22 10 33 55 2 22 10 33 55 2 22 10 33 55 2 22];

tic;
for i=1:size(c,1)
    % create a bitmask ...
    mask = bsxfun(@plus, ((1:dim_y) - c(i,1)).^2, (transpose(1:dim_x) - c(i,2)).^2) < r(i)^2;
    % ... cut the circles out of the image
    B=A.*mask;
end;
toc;

%图像
尺寸x=1000；
尺寸y=1000；
A=兰特（尺寸x，尺寸y）；
%中心位置和。。。
c=[222111；878112；81718；89112；222111；878112；81718；89112；222111；878112；81718；89112；222111；878112；81718；89112；81718；89112；222111；878112；81718；89112]；
%...  圆的半径
r=[10335522210355225221035522522210210355222103552222]；
抽搐；
对于i=1：尺寸（c，1）
%创建一个位掩码。。。
mask=bsxfun（@plus，（（1:dim_y）-c（i，1））。^2，（转置（1:dim_x）-c（i，2））。^2

你知道一个更有效的解决方案吗，因为我想有大约600个圆圈

提前感谢

试试看

mask = bsxfun(@lt, ((1:dim_y) - c(i,1)).^2,  r(i)^2 - ((1:dim_x).' - c(i,2)).^2);

---

根据我的MATLAB profiler，这大约比你的版本快4倍。另外，

B=A.*掩码

行所用的时间与原始的

mask=…

行所用的时间大致相同。不确定你能做什么。

你可能想看看Matlab的

strel

（不确定倍频程的可用性，在Matlab中它是图像处理工具箱的一部分）

nn

参数影响性能。将其设为4、6或8将提高性能，但代价是您的遮罩不是精确的圆形

---

您还可以通过使用

bsxfun

重写

repmat

位来压缩它的一些性能。您可以做一些事情来提高代码的效率，尽管其中一些事情完全取决于您最终想要什么，以及您可以对圆圈做出什么样的假设（例如，它们是否可以重叠？是否有许多类似的半径？）

下面是一个假设半径之间几乎没有重复的解决方案，并且中心坐标始终是整数像素值

%# image
dim_x = 1000;
dim_y = 1000;
A=rand(dim_x,dim_y);

%# center positions and ...
c = [222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112];
%#...  radii of the circles
r = [10 33 55 2 22 10 33 55 2 22 10 33 55 2 22 10 33 55 2 22];

%# find the largest circle...
rMax = max(r);
%#... and create a distance array
distFromCenterSquared = bsxfun(@plus,(-rMax:rMax).^2,transpose(-rMax:rMax).^2);

%# now we can loop over the radii to create the logical mask for all circles
mask = false(dim_x,dim_y); %# initialize inside the loop if you want one circle at a time
for i=1:length(r)

    %# create logical mini-circle mask
    miniMask = distFromCenterSquared(rMax-r(i)+1:end-(rMax-r(i)),rMax-r(i)+1:end-(rMax-r(i)))...
       < r(i)^2;

    %# add to the mask. The ranges need to be fixed, obviously, if 
    %# circles can be only partially inside the image
    %# also, the "or" is only necessary if you're adding to
    %# a mask, instead of recreating it each iteration
    mask(c(i,1)-r(i):c(i,1)+r(i),c(i,2)-r(i):c(i,2)+r(i)) = ...
       mask(c(i,1)-r(i):c(i,1)+r(i),c(i,2)-r(i):c(i,2)+r(i)) | ...
       miniMask;

end

%#图像
尺寸x=1000；
尺寸y=1000；
A=兰特（尺寸x，尺寸y）；
%#中心位置和。。。
c=[222111；878112；81718；89112；222111；878112；81718；89112；222111；878112；81718；89112；222111；878112；81718；89112；81718；89112；222111；878112；81718；89112]；
%#…圆的半径
r=[10335522210355225221035522522210210355222103552222]；
%#找到最大的圆。。。
rMax=最大值（r）；
%#…并创建一个距离数组
distFromCenterSquared=bsxfun（@plus，（-rMax:rMax）。^2，转置（-rMax:rMax）。^2）；
%#现在我们可以在半径上循环，为所有圆创建逻辑掩码
mask=false（dim_x，dim_y）；%#如果希望一次一个圆，则在循环内初始化
对于i=1：长度（r）
%#创建逻辑小圆圈掩码
最小任务=距离中心平方（rMax-r（i）+1:end-（rMax-r（i）），rMax-r（i）+1:end-（rMax-r（i））。。。

---

顺便说一下：如果你有不重叠的圆，你可以在循环后使用

bwlabel

（或者使用find和sub2ind将

i

写入各个圆），这样你就可以使用

accumarray
一次性处理所有圆。我建议使用MATLAB图像处理工具箱中的函数（也可在倍频程软件包中获得）。检查“算法”部分，查看它如何处理离散像素

以下是测试性能的示例：

%# image
dim_x = 1000;
dim_y = 1000;
A = rand(dim_x,dim_y);

%# center positions and radii of the circles
c = [222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112];
r = [10 33 55 2 22 10 33 55 2 22 10 33 55 2 22 10 33 55 2 22];

%# lets make them 600 circles
c = repmat(c,30,1);
r = repmat(r,1,30);

%# zero-centered unit circle
t = linspace(0,2*pi,50);
ct = cos(t);
st = sin(t);

%# compute binary mask for each circle
tic
for i=1:numel(r)
    %# scale and shift scale circle, and use to get mask
    BW = poly2mask(r(i).*ct + c(i,1), r(i).*st + c(i,2), dim_x, dim_y);

    %# use the mask ...
end
toc

在我的笔记本电脑上，这将以以下方式结束：

运行时间为4.864494秒

<代码> Strel <代码>似乎不在倍频程中。这太糟糕了：-我认为这可能是一种非常快的方法。我只说这是因为它依赖于代码> Strut，它已经被MATLAB重优化了。你可能想考虑预计算或至少缓存掩模达到一定的大小。re是大量重复的
r
值。因此，每次计算遮罩时，计算圆形部分，然后将其存储在单元格数组或其他东西中，然后将其移动中心偏移量以实际应用。当再次遇到相同的r时，只需从单元格数组中拉出遮罩。相关：
%# image
dim_x = 1000;
dim_y = 1000;
A = rand(dim_x,dim_y);

%# center positions and radii of the circles
c = [222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112; 222 111; 878 112; 81 718; 89 112];
r = [10 33 55 2 22 10 33 55 2 22 10 33 55 2 22 10 33 55 2 22];

%# lets make them 600 circles
c = repmat(c,30,1);
r = repmat(r,1,30);

%# zero-centered unit circle
t = linspace(0,2*pi,50);
ct = cos(t);
st = sin(t);

%# compute binary mask for each circle
tic
for i=1:numel(r)
    %# scale and shift scale circle, and use to get mask
    BW = poly2mask(r(i).*ct + c(i,1), r(i).*st + c(i,2), dim_x, dim_y);

    %# use the mask ...
end
toc