Performance MATLAB中的游程译码

为了巧妙地使用线性索引或

accumarray

，我有时觉得有必要根据数据生成序列。由于没有内置的函数，我要求最有效的方法来解码RLE中编码的序列

规范： 为了进行公平比较，我想为该功能制定一些规范：

• 如果指定了相同长度的可选第二个参数

  值

  ，则输出应与这些值一致，否则仅为值

  1:length（runlength）

• 优雅地处理：
  • 运行长度中的零

  • 值

    为单元格数组
• 输出向量的列/行格式应与

  runlength

简而言之：该函数应等同于以下代码：

function V = runLengthDecode(runLengths, values)
[~,V] = histc(1:sum(runLengths), cumsum([1,runLengths(:).']));
if nargin>1
    V = reshape(values(V), 1, []);
end
V = shiftdim(V, ~isrow(runLengths));
end

示例： 下面是一些测试用例

runLengthDecode([0,1,0,2])
runLengthDecode([0,1,0,4], [1,2,4,5].')
runLengthDecode([0,1,0,2].', [10,20,30,40])
runLengthDecode([0,3,1,0], {'a','b',1,2})

以及它们的产出：

>> runLengthDecode([0,1,0,2])
ans =
     2     4     4

>> runLengthDecode([0,1,0,4], [1,2,4,5].')
ans =    
     2     5     5     5     5

>> runLengthDecode([0,1,0,2].', [10,20,30,40])
ans =
    20
    40
    40

>> runLengthDecode([0,3,1,0],{'a','b',1,2})
ans = 
    'b'    'b'    'b'    [1]

方法1 这应该相当快。它使用 创建大小为

numel（运行长度）

x

numel（运行长度）

的矩阵，因此它可能不适用于较大的输入大小

function V = runLengthDecode(runLengths, values)
nn = 1:numel(runLengths);
if nargin==1 %// handle one-input case
    values = nn;
end
V = values(nonzeros(bsxfun(@times, nn,...
    bsxfun(@le, (1:max(runLengths)).', runLengths(:).'))));
if size(runLengths,1)~=size(values,1) %// adjust orientation of output vector
    V = V.';
end

方法2 该方法基于，是对中使用的方法的改编。它使用的内存比方法1少

function V = runLengthDecode2(runLengths, values)
if nargin==1 %// handle one-input case
    values = 1:numel(runLengths);
end
[ii, ~, jj] = find(runLengths(:));
V(cumsum(jj(end:-1:1))) = 1;
V = values(ii(cumsum(V(end:-1:1))));
if size(runLengths,1)~=size(values,1) %// adjust orientation of output vector
    V = V.';
end

---

为了找出哪一个是最有效的解决方案，我们提供了一个测试脚本来评估性能。第一个图描绘了向量

运行长度

增长的运行时，其中条目均匀分布，最大长度为200。A是最快的，Divakar的解决方案排在第二位。

第二个图使用了几乎相同的测试数据，除了它包括初始运行长度

2000

。这主要影响两个

bsxfun

解决方案，而其他解决方案的性能非常相似

测试表明，一个gnovice的将是最有效的

---

如果您想自己进行速度比较，下面是用于生成上述绘图的代码

function theLastRunLengthDecodingComputationComparisonYoullEverNeed()
Funcs =  {@knedlsepp0, ...
          @LuisMendo1bsxfun, ...
          @LuisMendo2cumsum, ...
          @gnovice3cumsum, ...
          @Divakar4replicate_bsxfunmask, ...
          @knedlsepp5cumsumaccumarray
          };    
%% Growing number of runs, low maximum sizes in runLengths
ns = 2.^(1:25);
paramGenerators{1} = arrayfun(@(n) @(){randi(200,n,1)}, ns,'uni',0);
paramGenerators{2} = arrayfun(@(n) @(){[2000;randi(200,n,1)]}, ns,'uni',0);
for i = 1:2
    times = compareFunctions(Funcs, paramGenerators{i}, 0.5);
    finishedComputations = any(~isnan(times),2);
    h = figure('Visible', 'off');
    loglog(ns(finishedComputations), times(finishedComputations,:));
    legend(cellfun(@func2str,Funcs,'uni',0),'Location','NorthWest','Interpreter','none');
    title('Runtime comparison for run length decoding - Growing number of runs');
    xlabel('length(runLengths)'); ylabel('seconds');
    print(['-f',num2str(h)],'-dpng','-r100',['RunLengthComparsion',num2str(i)]);
end
end

function times = compareFunctions(Funcs, paramGenerators, timeLimitInSeconds)
if nargin<3
    timeLimitInSeconds = Inf;
end
times = zeros(numel(paramGenerators),numel(Funcs));
for i = 1:numel(paramGenerators)
    Params = feval(paramGenerators{i});
    for j = 1:numel(Funcs)
        if max(times(:,j))<timeLimitInSeconds
            times(i,j) = timeit(@()feval(Funcs{j},Params{:}));
        else
            times(i,j) = NaN;
        end
    end
end
end
%% // #################################
%% // HERE COME ALL THE FANCY FUNCTIONS
%% // #################################
function V = knedlsepp0(runLengths, values)
[~,V] = histc(1:sum(runLengths), cumsum([1,runLengths(:).']));%'
if nargin>1
    V = reshape(values(V), 1, []);
end
V = shiftdim(V, ~isrow(runLengths));
end

%% // #################################
function V = LuisMendo1bsxfun(runLengths, values)
nn = 1:numel(runLengths);
if nargin==1 %// handle one-input case
    values = nn;
end
V = values(nonzeros(bsxfun(@times, nn,...
    bsxfun(@le, (1:max(runLengths)).', runLengths(:).'))));
if size(runLengths,1)~=size(values,1) %// adjust orientation of output vector
    V = V.'; %'
end
end

%% // #################################
function V = LuisMendo2cumsum(runLengths, values)
if nargin==1 %// handle one-input case
    values = 1:numel(runLengths);
end
[ii, ~, jj] = find(runLengths(:));
V(cumsum(jj(end:-1:1))) = 1;
V = values(ii(cumsum(V(end:-1:1))));
if size(runLengths,1)~=size(values,1) %// adjust orientation of output vector
    V = V.'; %'
end
end

%% // #################################
function V = gnovice3cumsum(runLengths, values)
isColumnVector =  size(runLengths,1)>1;
if nargin==1 %// handle one-input case
    values = 1:numel(runLengths);
end
values = reshape(values(runLengths~=0),1,[]);
if isempty(values) %// If there are no runs
    V = []; return;
end
runLengths = nonzeros(runLengths(:));
index = zeros(1,sum(runLengths));
index(cumsum([1;runLengths(1:end-1)])) = 1;
V = values(cumsum(index));
if isColumnVector %// adjust orientation of output vector
    V = V.'; %'
end
end
%% // #################################
function V = Divakar4replicate_bsxfunmask(runLengths, values)
if nargin==1   %// Handle one-input case
    values = 1:numel(runLengths);
end

%// Do size checking to make sure that both values and runlengths are row vectors.
if size(values,1) > 1
    values = values.'; %//'
end
if size(runLengths,1) > 1
    yes_transpose_output = false;
    runLengths = runLengths.'; %//'
else
    yes_transpose_output = true;
end

maxlen = max(runLengths);

all_values = repmat(values,maxlen,1);
%// OR all_values = values(ones(1,maxlen),:);

V = all_values(bsxfun(@le,(1:maxlen)',runLengths)); %//'

%// Bring the shape of V back to the shape of runlengths
if yes_transpose_output
    V = V.'; %//'
end
end
%% // #################################
function V = knedlsepp5cumsumaccumarray(runLengths, values)
isRowVector = size(runLengths,2)>1;
%// Actual computation using column vectors
V = cumsum(accumarray(cumsum([1; runLengths(:)]), 1));
V = V(1:end-1);
%// In case of second argument
if nargin>1
    V = reshape(values(V),[],1);
end
%// If original was a row vector, transpose
if isRowVector
    V = V.'; %'
end
end

函数LastUnlthDecodingComputersComparisonyYoulLeverNeeded（）
Funcs={@knedlsep0。。。
@Luismendo1BXFun。。。
@LuisMendo2cumsum。。。
@gnovice3cumsum。。。
@Divakar4replicate_bsxfinmask。。。
@Knedlsep5 CumSumachumaray
};    
%%运行次数不断增加，运行长度的最大大小较低
ns=2^（1:25）；
参数生成器{1}=arrayfun（@（n）@（）{randi（200，n，1）}，ns，'uni'，0）；
参数生成器{2}=arrayfun（@（n）@（）{[2000；randi（200，n，1）]}，ns，'uni'，0）；
对于i=1:2
时间=比较函数（Funcs，参数生成器{i}，0.5）；
finishedComputations=任意（~isnan（次），2）；
h=图形（“可见”、“关闭”）；
日志（ns（已完成计算），时间（已完成计算，：）；
图例（cellfun（@func2str，Funcs，'uni'，0），'Location'，'NorthWest'，'explorer'，'none'）；
标题（“运行时长度解码比较-运行次数增加”）；
xlabel（“长度（运行长度）”；ylabel（‘秒’）；
打印（['-f'，num2str（h）]，'-dpng'，'-r100'，['RunLengthComparison'，num2str（i）]；
结束
结束
函数时间=比较函数（函数、参数生成器、timeLimitInSeconds）
如果是nargin1；
如果nargin==1%//处理一个输入案例
值=1:numel（运行长度）；
结束
值=重塑（值（运行长度~=0）、1、[]）；
if isempty（值）%//如果没有运行
V=[]；返回；
结束
运行长度=非零（运行长度（：）；
索引=零（1，和（运行长度））；
指数（累积值（[1；运行长度（1:end-1）]）=1；
V=数值（总和（指数））；
如果isColumnVector%//调整输出向量的方向
V=V.；%
结束
结束
%% // #################################
函数V=Divakar4replicate\u bsxfinmask（运行长度、值）
如果nargin==1%//处理一个输入案例
值=1:numel（运行长度）；
结束
%//执行大小检查以确保值和运行长度都是行向量。
如果大小（值，1）>1
值=值。“；%/”
结束
如果尺寸（运行长度，1）>1
是\转置\输出=假；
运行长度=运行长度。“；%/”
其他的
是\转置\输出=真；
结束
maxlen=最大（运行长度）；
所有_值=repmat（值，最大值，1）；
%//或所有_值=值（一（1，maxlen），：）；
V=所有_值（bsxfun（@le，（1:maxlen）”，运行长度））；%/'
%//将V的形状恢复为运行长度的形状
如果是，则转置输出
V=V.；%/'
结束
结束
%% // #################################
函数V=knedlsepp5cumsumaccumarray（运行长度、值）
isRowVector=大小（运行长度，2）>1；
%//使用列向量的实际计算
V=累积和（accumarray（累积和（[1；运行长度（：）]）），1））；
V=V（1:end-1）；
%//如果是第二个论点
如果nargin>1
V=重塑（值（V），[]，1）；
结束
%//如果原始是行向量，则转置
如果isRowVector
V=V.；%
结束
结束

这里介绍的解决方案基本上分两步执行

运行长度解码-

复制所有
值
，直到最大
运行长度数
使用的掩蔽功能从每列中选择相应的
运行长度
函数代码中的其余部分负责输入和输出大小，以满足问题中设置的要求

下面列出的功能代码将是的“清理”版本。这是密码-

function V = replicate_bsxfunmask(runLengths, values)

if nargin==1   %// Handle one-input case
    values = 1:numel(runLengths);
end

%// Do size checking to make sure that both values and runlengths are row vectors.
if size(values,1) > 1
    values = values.'; %//'
end
if size(runLengths,1) > 1
    yes_transpose_output = false;
    runLengths = runLengths.'; %//'
else
    yes_transpose_output = true;
end

maxlen = max(runLengths);

all_values = repmat(values,maxlen,1);
%// OR all_values = values(ones(1,maxlen),:);

V = all_values(bsxfun(@le,(1:maxlen)',runLengths)); %//'

%// Bring the shape of V back to the shape of runlengths
if yes_transpose_output
    V = V.'; %//'
end

return;


下面列出的代码是一个混合代码（
cumsum
+
replicate\u bsxfinmask
），当您有大量的异常值或非常大的异常值时，它将非常合适。为了简单起见，目前这只适用于数值数组。下面是实现-

function out = replicate_bsxfunmask_v2(runLengths, values)

if nargin==1                       %// Handle one-input case
    values = 1:numel(runLengths);
end

if size(values,1) > 1
    values = values.';  %//'
end

if size(runLengths,1) > 1
    yes_transpose_output = true;
    runLengths = runLengths.';  %//'
else
    yes_transpose_output = false;
end

%// Regularize inputs
values = values(runLengths>0);
runLengths = runLengths(runLengths>0);

%// Main portion of code
thresh = 200; %// runlengths threshold that are to be processed with cumsum

crunLengths = cumsum(runLengths); %%// cumsums of runlengths
mask = runLengths >= thresh; %// mask of runlengths above threshold
starts = [1 crunLengths(1:end-1)+1]; %// starts of each group of runlengths

mask_ind = find(mask); %// indices of mask

post_mark = starts(mask);
negt_mark = crunLengths(mask)+1;

if  ~isempty(negt_mark) && negt_mark(end) > crunLengths(end)
    negt_mark(end) = [];
end

%// Create array & set starts markers for starts of runlengths above thresh
marked_out = zeros(1,crunLengths(end));
marked_out(post_mark) = mask_ind;
marked_out(negt_mark) = marked_out(negt_mark) -1*mask_ind(1:numel(negt_mark));

%// Setup output array with the cumsumed version of marked array
out = cumsum(marked_out);

%// Mask for final ouput to decide between large and small runlengths
thresh_mask = out~=0;

%// Fill output array with cumsum and then rep-bsxfun based approaches
out(thresh_mask) = values(out(thresh_mask));

values = values(~mask);
runLengths = runLengths(~mask);

maxlen = max(runLengths);
all_values = repmat(values,maxlen,1);
out(~thresh_mask) = all_values(bsxfun(@le,(1:maxlen)',runLengths)); %//'

if yes_transpose_output
    out = out.';  %//'
end

return;

从R2015a开始，函数
repelem
是执行此操作的最佳选择：

function V = runLengthDecode(runLengths, values)
if nargin<2
    values = 1:numel(runLengths);
end
V = repelem(values, runLengths);
end

似乎你只需要用
varargins
.Hm来修饰已接受的答案。其他两个问题都没有真正阐明什么是最快的解决方案，而且大多数问题都没有正确处理零。所以我并不完全满足于结束这个问题。@LuisMendo:我最近为e
function V = runLengthDecode(runLengths, values)
%// Actual computation using column vectors
V = cumsum(accumarray(cumsum([1; runLengths(:)]), 1));
V = V(1:end-1);
%// In case of second argument
if nargin>1
    V = reshape(values(V),[],1);
end
%// If original was a row vector, transpose
if size(runLengths,2)>1
    V = V.'; %'
end
end