您可以使用im2col *將圖片轉(zhuǎn)換為列格式，以便每個(gè)塊形成[64 * 4096]矩陣的列。然后對(duì)每列應(yīng)用轉(zhuǎn)換，并使用bsxfun來向量化錯(cuò)誤計(jì)算。

DomainImage=rand(512);

RangeImage=rand(512);

DomainImage_col = im2col(DomainImage,[8 8],'distinct');

R = im2col(RangeImage,[8 8],'distinct');

[x y]=ndgrid(1:8);

function [x_dash, y_dash] = ApplyTransformation(x,y)

x_dash = x;

y_dash = y;

end

[x_dash, y_dash] = ApplyTransformation(x,y);

idx = sub2ind([8 8],x_dash, y_dash);

D_trans = DomainImage_col(idx,:); %transformation is reduced to matrix indexing

Error = 0;

for mn = 1:64

Error = Error + bsxfun(@minus,R(mn,:),D_trans(mn,:).').^2;

end

[minerror ,min_ij]= min(Error,[],2); % linear index of minimum of each block;

[min_i min_j]=ind2sub([64 64],min_ij); % convert linear index to subscript

解釋：

我們的目標(biāo)是盡可能減少循環(huán)次數(shù)。為此，我們應(yīng)該避免矩陣索引，而應(yīng)該使用矢量化。嵌套循環(huán)應(yīng)轉(zhuǎn)換為一個(gè)循環(huán)。作為第一步，我們可以創(chuàng)建一個(gè)更優(yōu)化的循環(huán)：

min_ij = zeros(4096,1);

for kl = 1:4096 %%% => 1:size(D_trans,2)

minerror = 9999;

min_ij(kl) = 0;

for ij = 1:4096 %%% => 1:size(R,2)

Error = 0;

for mn = 1:64

Error = Error + (R(mn,kl) - D_trans(mn,ij)).^2;

end

if(Error < minerror)

minerror = Error;

min_ij(kl) = ij;

end

end

end

我們可以重新安排循環(huán)，我們可以將最內(nèi)部的循環(huán)作為外部循環(huán)，并將最小值的計(jì)算與錯(cuò)誤的計(jì)算分開。

% Computation of the error

Error = zeros(4096,4096);

for mn = 1:64

for kl = 1:4096

for ij = 1:4096

Error(kl,ij) = Error(kl,ij) + (R(mn,kl) - D_trans(mn,ij)).^2;

end

end

end

% Computation of the min

min_ij = zeros(4096,1);

for kl = 1:4096

minerror = 9999;

min_ij(kl) = 0;

for ij = 1:4096

if(Error(kl,ij) < minerror)

minerror = Error(kl,ij);

min_ij(kl) = ij;

end

end

end

現(xiàn)在代碼的排列方式可以最好地進(jìn)行矢量化：

Error = 0;

for mn = 1:64

Error = Error + bsxfun(@minus,R(mn,:),D_trans(mn,:).').^2;

end

[minerror ,min_ij] = min(Error, [], 2);

[min_i ,min_j] = ind2sub([64 64], min_ij);

*如果您沒有圖像處理工具箱，可以找到更有效的im2col實(shí)施{。{3}}。

*整個(gè)計(jì)算只需不到一分鐘。

總結(jié)

以上是生活随笔為你收集整理的matlab中图像太大,图像处理：算法在MATLAB中耗时太长的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。