Performance MATLAB中mean2的计算性能

为什么平均函数的直接实现更快

Ig = rgb2gray(imread('test.png'));
n = 100000;
tic;
for ii=1:n
    M1 = sum(sum(Ig))/numel(Ig);
end
toc
tic;
for ii=1:n
    M2 = mean2(Ig);
end
toc

大约

n=1000

，仍然

意味着2

更快。但随着迭代次数的增加，它会变得更慢

Elapsed time is 45.934058 seconds.
Elapsed time is 46.392206 seconds.

我怀疑它在做这样的事情：

out = sum(x(:),'double') / numel(x)

---

x（：）

和

'double'

可能是原因吗？

运行一些测试代码后得出的结论：1）在您的代码中，

意味着2

在迭代次数大于1000时显得较慢的原因是因为将代码组织到函数中会受到惩罚。MATLAB需要为函数创建一个作用域，并在函数调用结束时终止它。这可以从下面的测试条件中看出，我在代码中直接实现了mean2。2） 根据@rayryeng的评论，当数组很大时（至少在我的测试条件下），首先展开可以加快计算速度。3）

sum（Ig（：），'double'）

中的

'double'

参数会占用一些时间，实际上是不必要的，因为

sum

即使没有该参数也会返回

double

数据类型

我用于测试的代码如下所示：

Img = rgb2gray(imread('test2.tif'));  % this is an rgb image larger than 1000x1000
Ig = Img(1:250,1:250);
n = 100000;
tic
for ii=1:n
    M1 = sum(sum(Ig))/numel(Ig);
end
toc
disp('  for sum(sum(Ig))/numel(Ig) 250x250') 

tic;
for ii=1:n
    M2 = mean2(Ig);
end
toc
disp('  for mean2(Ig) 250x250') 

tic;
for ii=1:n
    M3 = sum(Ig(:),'double')/numel(Ig);
end
toc
disp('  for sum(Ig(:),''double'')/numel(Ig) 250x250') 

tic;
for ii=1:n
    M4 = sum(Ig(:))/numel(Ig);
end
toc
disp('  for sum(Ig(:))/numel(Ig) 250x250')
clear M1 M2 M3 M4 

Ig = Img(1:500,1:500);

tic
for ii=1:n
    M1 = sum(sum(Ig))/numel(Ig);
end
toc
disp('  for sum(sum(Ig))/numel(Ig) 500x500') 

tic
for ii=1:n
    M2 = mean2(Ig);
end
toc
disp('  for mean2(Ig) 500x500') 

tic
for ii=1:n
    M3 = sum(Ig(:),'double')/numel(Ig);
end
toc
disp('  for sum(Ig(:),''double'')/numel(Ig) 500x500') 

tic
for ii=1:n
    M4 = sum(Ig(:))/numel(Ig);
end
toc
disp('  for sum(Ig(:))/numel(Ig) 500x500')

Ig = Img(1:1000,1:1000);
tic
for ii=1:n
    M1 = sum(sum(Ig))/numel(Ig);
end
toc
disp('  for sum(sum(Ig))/numel(Ig) 1000x1000') 

tic
for ii=1:n
    M2 = mean2(Ig);
end
toc
disp('  for mean2(Ig) 1000x1000') 

tic
for ii=1:n
    M3 = sum(Ig(:),'double')/numel(Ig);
end
toc
disp('  for sum(Ig(:),''double'')/numel(Ig) 1000x1000') 

tic
for ii=1:n
    M4 = sum(Ig(:))/numel(Ig);
end
toc
disp('  for sum(Ig(:))/numel(Ig) 1000x1000')

结果是：

运行时间为2.115313秒。 对于sum（sum（Ig））/numel（Ig）250x250

运行时间为5.753932秒。 平均值2（Ig）250x250

运行时间为5.626373秒。 对于总和（Ig（：），'double'）/numel（Ig）250x250

运行时间为5.425690秒。 对于总和（Ig（：）/numel（Ig）250x250

运行时间为6.349700秒。 对于sum（sum（Ig））/numel（Ig）500x500

运行时间为6.810287秒。 平均值2（Ig）500x500

运行时间为6.840604秒。 对于总和（Ig（：），'double'）/numel（Ig）500x500

运行时间为6.455498秒。 对于总和（Ig（：）/numel（Ig）500x500

运行时间为23.772897秒。 对于sum（sum（Ig））/numel（Ig）1000x1000

运行时间为22.071418秒。 平均2（Ig）1000x1000

运行时间为21.862069秒。 对于总和（Ig（：），'double'）/numel（Ig）1000x1000

运行时间为21.498514秒。 对于总和（Ig（：）/numel（Ig）1000x1000

---

就是这样

mean2

将2D矩阵展开为向量，并直接计算平均值。展开可能是您获得性能提升的原因。我一辈子都不记得在哪里见过它，但有一些计时测试（这里）在计算前展开有助于加快速度。。。但是，随着数组变大，性能会下降，因为您要展开更多的元素。可以肯定的是，可以使用

timeit

计时吗？@rayryeng但这里不是数组变大；这只是重复的次数（如果我理解正确的话）@LuisMendo-这就是我误读代码时发生的情况。是的，你是对的。。。这是一个奇怪的反常现象。不管怎样，差别很小。我不确定我是否向您发出了邀请，但如果您有时间，请访问我们的MATLAB和Octave聊天室：）我看到您经常在这里回答问题。我们经常在那里谈论事情和交流。不过完全取决于你。如果没有，不用担心。祝你好运谢谢你的邀请：）我一定会偶尔来看看的！我从你们那里学到了很多！