Performance 对图像应用线性滤波器（实现imfilter）而不影响速度和性能

基于，我熟悉imfilter函数的实现。但正如您所知，这类代码（使用顺序for循环）在matlab中非常慢，特别是对于高分辨率图像，并且在其他编程语言中效率更高。在matlab中，最好尽可能多地对代码进行矢量化。
有人能给我一个矢量化imfilter实现的方法吗？
注意：我知道我可以使用edit（'imfilter'）来研究开发人员用于实现imfilter函数的代码，但这对我来说相当困难。我不太懂这些代码。我对matlab相当陌生。
注意：我知道作为示例介绍的部分代码可以非常容易地矢量化，因此中的示例填充部分可以更容易地实现。
但是我正在考虑一种方法来对代码的主要部分（应用过滤器的部分）进行矢量化。我指的是图片中显示的部分：


我不知道如何将这些部分矢量化？

---

哦，我忘了告诉你我已经写了公认的答案，如果我也不想使用conv2函数，有什么办法吗？

两个内部循环可以通过-

orignalFlip=flipud(fliplr(orignal(i-1:i+1,j-1:j+1)));
temp=orignalFlip.*filter;

但是“conv2”有什么问题呢？看来这正是你需要的

---

但是，您不应该在matlab中执行4个嵌套循环。

这两个内部循环可以通过-

orignalFlip=flipud(fliplr(orignal(i-1:i+1,j-1:j+1)));
temp=orignalFlip.*filter;

但是“conv2”有什么问题呢？看来这正是你需要的

---

但是，您不应该在matlab中执行4个嵌套循环。

有一个函数只适合您。。。它被称为

im2col

。有关说明，请参阅。它允许您将图像的“块”转换为“列”-如果您正在寻找3x3块进行过滤，则每列将有9个元素长。之后，过滤操作可以非常简单。以下是一个例子：

n = 20; m = 30
myImg = rand(n, m)*255;
myImCol = im2col(myImg, [3 3], 'sliding');
myFilter = [1 2 1 2 4 2 1 2 1]';
myFilter = myFilter / sum(myFilter(:)); % to normalize
filteredImage = reshape( myImCol' * myFilter, n-2, m-2);

>> M = magic(4)

M =

16     2     3    13
 5    11    10     8
 9     7     6    12
 4    14    15     1

>> im2col(M,[2 2], 'distinct')

ans =

 16     9     3     6
  5     4    10    15
  2     7    13    12
 11    14     8     1

xx--  --xx  ----  ----
xx--  --xx  ----  ----
----  ----  xx--  --xx
----  ----  xx--  --xx

>> im2col(M,[2 2], 'sliding')

ans =

 16     5     9     2    11     7     3    10     6
  5     9     4    11     7    14    10     6    15
  2    11     7     3    10     6    13     8    12
 11     7    14    10     6    15     8    12     1

xx--  ----  ----  -xx-
xx--  xx--  ----  -xx-      ... etc ...
----  xx--  xx--  ----
----  ----  xx--  ----

没有使用

conv2

，也没有使用任何显式循环。然而，这确实创建了一个比图像大得多的中间矩阵（在本例中，几乎是9倍）。这本身就是一个问题

免责声明：我通常在发布前测试Matlab代码，但无法连接到许可证服务器。如果遇到问题，请告诉我

为您编辑一些进一步的澄清

1） 为什么要用

n-2

和

m-2

进行重塑？嗯-im2col函数只返回它可以创建的块的“完整”列。创建3x3块时，可以创建的第一个块居中于（2,2），最后一个块居中于（end-1，end-1）。因此，结果比原始图像要小一点——就像填充一样。事实上，这与使用

conv2

时发生的情况正好相反，在这种情况下，事情会得到扩展。如果你想避免这种情况，你可以先用

paddedIm = zeros(n+2, m+2);
paddedIm(2:end-1, 2:end-1) = myImg;

然后在填充的图像上运行过滤器

2） 最好用一个例子来解释

'slided'

和

'distinct'

之间的区别：

n = 20; m = 30
myImg = rand(n, m)*255;
myImCol = im2col(myImg, [3 3], 'sliding');
myFilter = [1 2 1 2 4 2 1 2 1]';
myFilter = myFilter / sum(myFilter(:)); % to normalize
filteredImage = reshape( myImCol' * myFilter, n-2, m-2);

>> M = magic(4)

M =

16     2     3    13
 5    11    10     8
 9     7     6    12
 4    14    15     1

>> im2col(M,[2 2], 'distinct')

ans =

 16     9     3     6
  5     4    10    15
  2     7    13    12
 11    14     8     1

xx--  --xx  ----  ----
xx--  --xx  ----  ----
----  ----  xx--  --xx
----  ----  xx--  --xx

>> im2col(M,[2 2], 'sliding')

ans =

 16     5     9     2    11     7     3    10     6
  5     9     4    11     7    14    10     6    15
  2    11     7     3    10     6    13     8    12
 11     7    14    10     6    15     8    12     1

xx--  ----  ----  -xx-
xx--  xx--  ----  -xx-      ... etc ...
----  xx--  xx--  ----
----  ----  xx--  ----

如您所见，

'distinct'

选项返回非重叠块：

'slided'

选项返回“适合的所有块”，即使有些块会重叠

---

3）

conv2

的实现可能是一些较低级别的速度代码-您可能知道

.mex

文件，这些文件允许您编写自己的C代码，可以与Matlab链接，并给您带来很大的速度优势？很可能是这样的。他们在自己的网站上声称他们使用的是“简单的实现”——因此速度很可能只是一个快速实现的问题（而不是“高效的Matlab”）。

有一个函数只适合你。。。它被称为

im2col

。有关说明，请参阅。它允许您将图像的“块”转换为“列”-如果您正在寻找3x3块进行过滤，则每列将有9个元素长。之后，过滤操作可以非常简单。以下是一个例子：

n = 20; m = 30
myImg = rand(n, m)*255;
myImCol = im2col(myImg, [3 3], 'sliding');
myFilter = [1 2 1 2 4 2 1 2 1]';
myFilter = myFilter / sum(myFilter(:)); % to normalize
filteredImage = reshape( myImCol' * myFilter, n-2, m-2);

>> M = magic(4)

M =

16     2     3    13
 5    11    10     8
 9     7     6    12
 4    14    15     1

>> im2col(M,[2 2], 'distinct')

ans =

 16     9     3     6
  5     4    10    15
  2     7    13    12
 11    14     8     1

xx--  --xx  ----  ----
xx--  --xx  ----  ----
----  ----  xx--  --xx
----  ----  xx--  --xx

>> im2col(M,[2 2], 'sliding')

ans =

 16     5     9     2    11     7     3    10     6
  5     9     4    11     7    14    10     6    15
  2    11     7     3    10     6    13     8    12
 11     7    14    10     6    15     8    12     1

xx--  ----  ----  -xx-
xx--  xx--  ----  -xx-      ... etc ...
----  xx--  xx--  ----
----  ----  xx--  ----

没有使用

conv2

，也没有使用任何显式循环。然而，这确实创建了一个比图像大得多的中间矩阵（在本例中，几乎是9倍）。这本身就是一个问题

免责声明：我通常在发布前测试Matlab代码，但无法连接到许可证服务器。如果遇到问题，请告诉我

为您编辑一些进一步的澄清

1） 为什么要用

n-2

和

m-2

进行重塑？嗯-im2col函数只返回它可以创建的块的“完整”列。创建3x3块时，可以创建的第一个块居中于（2,2），最后一个块居中于（end-1，end-1）。因此，结果比原始图像要小一点——就像填充一样。事实上，这与使用

conv2

时发生的情况正好相反，在这种情况下，事情会得到扩展。如果你想避免这种情况，你可以先用

paddedIm = zeros(n+2, m+2);
paddedIm(2:end-1, 2:end-1) = myImg;

然后在填充的图像上运行过滤器

2） 最好用一个例子来解释

'slided'

和

'distinct'

之间的区别：

n = 20; m = 30
myImg = rand(n, m)*255;
myImCol = im2col(myImg, [3 3], 'sliding');
myFilter = [1 2 1 2 4 2 1 2 1]';
myFilter = myFilter / sum(myFilter(:)); % to normalize
filteredImage = reshape( myImCol' * myFilter, n-2, m-2);

>> M = magic(4)

M =

16     2     3    13
 5    11    10     8
 9     7     6    12
 4    14    15     1

>> im2col(M,[2 2], 'distinct')

ans =

 16     9     3     6
  5     4    10    15
  2     7    13    12
 11    14     8     1

xx--  --xx  ----  ----
xx--  --xx  ----  ----
----  ----  xx--  --xx
----  ----  xx--  --xx

>> im2col(M,[2 2], 'sliding')

ans =

 16     5     9     2    11     7     3    10     6
  5     9     4    11     7    14    10     6    15
  2    11     7     3    10     6    13     8    12
 11     7    14    10     6    15     8    12     1

xx--  ----  ----  -xx-
xx--  xx--  ----  -xx-      ... etc ...
----  xx--  xx--  ----
----  ----  xx--  ----

如您所见，

'distinct'

选项返回非重叠块：

'slided'

选项返回“适合的所有块”，即使有些块会重叠

---

3）

conv2

的实现可能是一些较低级别的速度代码-您可能知道

.mex

文件，这些文件允许您编写自己的C代码，可以与Matlab链接，并给您带来很大的速度优势？很可能是这样的。他们在自己的网站上声称他们使用了“直接的实现”——因此速度很可能只是一个快速实现的问题（而不是“高效的Matlab”）。

来自MathWorks的文章。另请参见MathWorks上的这篇文章。再看看这个。这是一个大学作业。我不应该使用内置函数