加速Matlab到C ++的转换

[poster]

我有一些Matlab图像处理代码，其运行速度非常慢，我准备将其转换为C / C ++。我对matlab的工作原理以及代码的执行方式并不太了解，但我只是想听听我可能期望的那种加速。显然，有很多变量会影响这一点，但是我只是在寻找可能是根据您自己的经验提供的指南。

谢谢

曾娜


回答：
这主要取决于Matlab中循环的紧密程度。如果仅调用一系列内置的Matlab图像处理功能，则很可能无法提高性能（很可能会损害性能）。如果要遍历图像像素或进行某种块处理，则可能会看到很大的改进。如果您正在执行一些循环，但是每次迭代中的处理量都很大，则可能只会看到很少的改善或根本没有改善。

我看Matlab的方式是，每个执行的行都有一定的开销。如果您可以将解决方案采用矩阵乘法或其他向量/矩阵运算的形式，那么您只需承受一次开销，并且可以忽略不计。但是，使用循环时，每次循环迭代时都会遭受开销。而且，大多数Matlab的图像处理功能都只是调用优化的库，因此，除非您确定要改进的地方，否则不要尝试重新创建它们。

我发现最好的方法是结合使用C和Matlab。当可以轻松地对操作进行矢量化时（使用矢量/矩阵运算），我使用Matlab。这可能意味着从不同于最直接的角度来解决问题。此外，很难击败Matlab的绘图和可视化，因此，除非您有一个计划如何使用C / C ++进行显示（如果这是项目的一部分），否则我绝对不会转向所有C / C ++解决方案。

如果我无法提出一种相对简单的矢量化方法，则只需在可以从Matlab调用的C mex函数中实现需要紧密循环的部分处理即可。在这种情况下，我倾向于使用C而不是C ++，因为该过程应该相对较小并且不需要很多复杂的数据抽象，但是C ++也可以正常工作。确保以列优先顺序访问图像数据，以最大程度地提高缓存命中率，因为这是Matlab组织矩阵的方式。



更多&回答...