在 Matlab 中矢量化视差图答案

【问题标题】：Vectorizing disparityMap in Matlab在 Matlab 中矢量化视差图
【发布时间】：2014-11-08 13:17:37
【问题描述】：

我正在 Matlab 中为计算机视觉实现基于平方距离之和的视差图函数。目前代码有一个嵌套的 for 循环，运行速度很慢。关于对其进行矢量化以提高效率的任何建议？谢谢

%im1 and im2 are images and win1, win2 are window sizes
for i=win1+1:1:bottom-win1
    parfor j=win2+1:1:right-win2
        %j=[win2+1:bottom-win2];
        template=im1(i-win1:i+win1,j-win2:j+win2);
        arg1=conv2(im2.^2,ones(size(template))/2,'same');
        arg2=conv2(im2,rot90(template,2),'same');
        arg=arg1-arg2;
        [xj]=find(arg==min(arg(:)));

        disparityMap(i,j)=1-xj(1);


    end
end

【问题讨论】：

我看不出这怎么能很容易矢量化，但是有一些明显的改进：arg1不依赖i和j，所以它是常数，所以move it out of the loop ！我猜你也可以在循环之前只旋转一次完整的im1，如果你稍微调整一下提取模板的索引。
您也可以使用计算机视觉系统工具箱中的disparity函数。

标签： matlab computer-vision vectorization matlab-cvst

【解决方案1】：

尝试加快速度的三个建议：

将 parfor 移到外循环以减少并行构造的开销；
在循环之前计算一次im2.^2 并将其值保存在一个临时变量中，因为它不依赖于循环变量，因此无需一次又一次地计算它，实际上
将arg1 的整个计算移出循环，因为它只取决于template 的大小而不是它的值，如果我没看错的话，大小是恒定的；
将 [xj]=find(arg==min(arg(:))); 构造替换为类似于 [tmp, ind] = min(arg(:)) ; xj=ind2sub(size(arg), ind) 的内容，以避免调用 find 并重新扫描矩阵，同时可以简单地计算索引。

未经测试，但它应该给你一个开始

arg1=conv2(im2.^2,ones([2*win1+1, 2*win2+1])/2,'same');
parfor i=win1+1:1:bottom-win1
    for j=win2+1:1:right-win2
        %j=[win2+1:bottom-win2];
        template=im1(i-win1:i+win1,j-win2:j+win2);
        arg2=conv2(im2,rot90(template,2),'same');
        arg=arg1-arg2;
        [tmp, ind] = min(arg(:)) ; 
        xj=ind2sub(size(arg), ind);

        disparityMap(i,j)=1-xj(1);

    end
end

还要确保工人的数量选择合适，并尝试将代码编译到mex，看看是否有改进。

【讨论】：