对R中的矩阵应用过滤器的最快方法

如果我有一个2d矩阵，并且我想在给定一些滤波器矩阵的情况下应用某种滤波器（例如，扩张、腐蚀、sobel边缘检测）：

f = matrix(c(0,1,0,
             1,1,1,
             0,1,0), 3)

将其应用于矩阵的最有效方法是什么

在每个像素上循环似乎效率太低：

for(i in 2:nrow(mat)){
    for(j in 2:ncol(mat)){
        //Apply filter to pixel i,j
    }
}

---

有一个函数叫做

卷积

，但我想它只适用于一维信号。因此，剩下的是

fft

选项。在频域中进行操作，然后转换回时域

在不知道预期输入/输出的情况下，很难显示准确的步骤，但请尝试以下方法：

Re( fft( (1/dimension) * fft(signal) * fft(f), inverse=T))

---

我想这取决于你在做什么！！只需调用对矩阵进行操作的函数，即可将函数应用于矩阵的每个单元格。大概是这样的：

f1 <- function(x){ x*2 }

m <- matrix(sample(25,9),nrow=3)
m
#    [,1] [,2] [,3]
#[1,]   24   16    2
#[2,]   11   10    5
#[3,]   23   19    8

## Operates on all cells as R treats the matrix like a vector
f1(m)
#    [,1] [,2] [,3]
#[1,]   48   32    4
#[2,]   22   20   10
#[3,]   46   38   16

---

但正如@joran所说，这取决于你想做什么

如果没有一个特定的函数应用于每个像素，这是不可能回答的。也许你可以从

SpatialVx

package中的

kernel2dsmooth

中得到启发…

focal（）

光栅包支持非常一般的操作，在这些操作中，你想要为每个单元计算其附近值的函数。还有，@JoshO'Brien在阅读第一个链接中的注释时，看起来

焦点

已从

光栅

移动，而且效率低下。也许我错过了什么。@agstudy--不，你误读了第一条评论。Re：效率，这总是相对的。这些2-D邻域操作通常比较慢（我认为每个单元的b/c必须访问几个不连续的内存块），并且无法从OP的问题判断它们需要多快。另外，你知道有更快的（R）吗？

apply( m , 1:2 , function(x){ x * 10 } )
#    [,1] [,2] [,3]
#[1,]  240  160   20
#[2,]  110  100   50
#[3,]  230  190   80