图像快速特征提取答案

【问题标题】：image fast feature extraction图像快速特征提取
【发布时间】：2015-03-27 10:38:36
【问题描述】：

我在 matlab 中定义了一个真实比例 (0,1) 的图像和一个整数比例定义的掩码。

例子

mask = [ 1 1 1 3 4 ;
         1 1 1 2 4 ;
         1 1 2 2 2  ]

img = [ 0.1 0.1 0.2 0.2 0.3 ;
        0.1 0.1 0.2 0.3 0.3 ;
        0.1 0.1 0.3 0.3 0.3 ]

对于掩码中的每个区域（即 1、2、3、4），我想计算相应图像强度的某个特征（例如，平均值）。

我使用的算法是

for i = labels
  region = img(mask==i);
  feature(i) = mean(region);
end

现在，对于大小为 300x400x500 且标签集的基数 > 40000（顺便说一句，这正是我的情况）的图像，此算法非常慢。

关于如何加快我的代码的任何建议？

【问题讨论】：

大小为300x400x500 的图像是什么意思？是 500 张大小为300x400 的图像吗？
@knedlsepp 明明是体积图像，Matlab中的3维数组。
@Sh3ljohn：我之所以问是因为该示例与给出的数据不符。 OP 可以具有：2D mask、3D img 并希望沿第三维为 img 的所有层使用相同的掩码，或者具有 3D mask 和 3D img。这就是为什么它不那么明显。
@knedlsepp 鉴于所提出的问题，OP 中缺乏相关信息令人震惊。但总结一下 cmets，OP 正在一个小的体积图像中进行聚类，并希望在 Matlab 中尽可能快地计算聚类强度的平均值、sdev 和偏度。
@Sh3ljohn：哦！在评论你的答案！所以mask 真的是一个 3D 数组。

标签： performance matlab image-processing feature-extraction

【解决方案1】：

图像处理工具箱中的regionprops 函数应该可以为您完成。例如，使用以下语法：

stats = regionprops(L,I, 'MeanIntensity');

获取每个区域的平均值。 L 是包含标签的数组。我是你的形象。

【讨论】：

天哪！每天学习：）这看起来是一个非常有用的功能！

【解决方案2】：

要优雅地获得平均值（尽管它可能不是绝对最快的方法），您可以使用accumarray：

meanFeatures = accumarray(mask(:),image(:),[],@mean);

如果你想要，例如均值和标准，你用

meanAndStd = cell2mat(accumarray(mask(:),image(:),[],@(x){mean(x), std(x)}));

【讨论】：

我认为选择accumarray 是合乎逻辑的选择（可能会添加unique 以获得带有1:length(unique(mask(:)) 条目的安全掩码），不要介意使用循环遍历图像。
哦！ mask 应该是一个 3D 数组。没关系。

【解决方案3】：

bsxfun 和 fast matrix-multiplication 基于方法来获取平均值 -

num_labels = max(mask(:)); %// number of labels used
labels = 1:num_labels;     %// array of all labels

%// Get a 2D mask for all labels, with each column representing a label.
%// This is a setup for use with matix-multiplication later on
mask_labels = bsxfun(@eq,mask(:),labels);

%// Perform fast matrix multiplication as a way to perform summation for
%// all labels and then do elementwise division to get the mean values
feature_out = (img(:)'*mask_labels)./sum(mask_labels,1);

【讨论】：

【解决方案4】：

我认为我们需要进一步了解：

如何计算掩码？
您希望在这些区域上计算哪些特征？（仅指？）
慢是什么意思？

如果为掩码的每个元素分配值的公式可以向量化，那么对您的卷的访问也可以。

不过，在一般情况下，我会说使用 Mex 文件可以轻松做到这一点。如果您想采用这种方式，我建议您使用my tiny library 来简化向Mex 的过渡，但您需要使用C++11（-std=c++0x 标志）进行编译。

如果您想留在 Matlab 中，并且只想计算这些区域的平均值，那么 accumarray 就是您正在寻找的函数。

【讨论】：

你如何计算掩码？这是一个创建超体素的过程，但实际上我如何创建它并不重要，假设它已经给出。您想在这些区域上计算哪些特征？（仅平均值？）平均值，强度的标准偏差，偏度。你说的慢是什么意思？ > 10 分钟。我再说一遍，我有一个大小为 300x400x500 的图像，并且相应的蒙版（当然）具有相同的大小。
我问是因为它很重要。如果没有关于创建掩码的过程的更多详细信息，并且给定您希望计算的一组特征，Mex 文件就是要走的路。也就是说，考虑到您计算的特征的简单性和体积的小尺寸，您的 Matlab 代码可能写得不好；话又说回来，如果没有关于这段代码的更多信息，我不能说它为什么这么慢。
@user1384636：您在这里的评论真的应该添加到问题本身！

【解决方案5】：

据我所知，这不是 Matlab 非常擅长的问题。我会尝试天真的 - 非 Matlab 方法：

 label_sum = zeros(1,num_labels);
 label_size = zeros(1,num_labels);
 for z=1:500,
    for x=1:400,
       for y=1:300,
          label = labels(y, x, z);
          label_sum(label) += img(y, x, z);
          label_size(label) += 1;
        end
     end
  end
  label_sum(label_size > 0) ./ label_size(label_size > 0)

这并不理想，但可能需要不到 10 分钟...

【讨论】：

也许可以，但这是一个非常简单的尝试，而且近年来 Matlab 在执行循环方面变得更好。
它并没有回答这个问题，除非 OP 实现写得很糟糕，否则你的代码几乎是我能想到的最慢的解决方案，而且肯定比 OP 中给出的算法慢（再次，如果写得正确）。
在这个实现中，我访问 3D 图像中的每个元素一次。问题中建议的实现每个标签访问 3D 图像中的每个元素一次（== 40,000 次），所以我认为值得尝试。
你使用的算法是高效的；事实上，我能想到的最高效的 Mex/C++ 解决方案与此非常相似。但是 Matlab 不会有效地执行该代码。

【解决方案6】：

您可以使用arrayfun 并避免使用for 循环。使用要迭代的值的 labels 向量，如下所示：

features=arrayfun(@(x) mean(img(mask==x)), labels);

语法@(x) 将迭代labels 的每个元素，以这种方式替换for 循环。您也可以使用任何函数来代替mean，它可以是内置函数，也可以是您创建的函数。你应该检查它的速度，但我认为这是最快的方式。

【讨论】：

希望如此。然而实际上，arrayfun 甚至比原来的 for 方法还要慢...这可能是一个漂亮的单行，但使用 arrayfun 不会提高性能。