快速计算图像（或矩阵）

我使用成像器包的质心，并想出以下功能：快速计算图像（或矩阵）

vector_mc <- function(v) { 
    round(sum(v * 1:length(v))/sum(v)) 
} 

img_mc <- function(img) { 
    w <- width(img) 
    h <- height(img) 

    # sum of all rows 
    # note that as.matrix(img) is a matrix of w rows and h columns. 
    row <- rep(0, w) 
    col <- rep(0, h) 
    for (i in 1:h) { 
    row <- row + as.matrix(img)[, i] 
    col[i] <- sum(as.matrix(img)[, i]) 
    } 

    c(vector_mc(row), vector_mc(col)) 
}

事实证明，它退出慢。有更好的方法吗？

来源

2017-07-12 bruin

您的主要时间问题在于img_mc的增加/更新。像这样的更新：在R中相对较慢，通常可以写得更快。此外，你继续重铸图像as.matrix和一些时间可能会获得只有这样做一次。

下面是一个更新的功能，有点快：

faster_img_mc <- function(img) { 
    IMG <- as.matrix(img) 
    c(vector_mc(rowSums(IMG)), vector_mc(colSums(IMG))) 
}

速度增益是好的，大尺寸的影像。对于50×50的图像（已更新的功能被命名在下面的测试f）

> microbenchmark::microbenchmark(img_mc(IMG50), f(IMG50)) 
Unit: microseconds 
      expr  min  lq  mean median  uq  max neval cld 
img_mc(IMG50) 425.936 457.4025 2188.54828 518.355 843.2785 146939.579 100 a 
     f(IMG50) 27.475 29.8900 47.69688 33.490 54.0035 247.384 100 a

对于较大矩阵的增益似乎是围绕一个因素9-10。

来源

2017-07-12 23:13:00 ekstroem

谢谢，ekstroem。通过仅删除重复重铸，速度增益非常好，因为我刚测试了100x100图像。只是想知道你是否还优化“rowSums（IMG）”和“colSums（IMG）”？再次感谢。 – bruin

'rowSums'和'colSums'是基本R的一部分，并且是'apply'的更快版本。他们通常很快。 – ekstroem

噢，谢谢...对不起，我不知道那:( – bruin

快速计算图像（或矩阵）

回答

相关问题