在 matlab 中对子矩阵使用 parfor

Question

我有一段代码，将图像矩阵 img 分成小块并并行处理它们。但是Matlab说不能使用parfor循环，因为outC{i,j}的方式是索引的。我该如何解决这个问题？

子矩阵的大小不同。如果 img=[4x7]，那么

C=[3x3 3x3 3x1;
   1x3 1x3 1x1]

顺便说一句，我不确定这里使用元胞数组是否是一个好主意。如果没有，请随时就如何划分 img 提出建议。

C=mat2cell(img, rowSplit, colSplit);
[rowc,colc]=size(C);
outC=cell(rowc,colc);
parfor i=1:rowc
    for j=1:colc
       outC{i,j}=doWork(C{i,j}); 
    end
end

Answer 1

您可以对输入和输出使用线性索引。

首先，我假装输入您的形状，以及一个简单的 doWork 函数：

>> C= {rand(3) rand(3) rand(3,1); rand(1,3) rand(1,3) rand(1)};
>> C
C = 
    [3x3 double]    [3x3 double]    [3x1 double]
    [1x3 double]    [1x3 double]    [    0.3922]
>> doWork = @(x)2*x;

然后使用线性索引：

>> outC=cell(size(C));
>> parfor ci=1:numel(C)
     outC{ci} = doWork(C{ci});
   end

快速检查它是否有效：

>> outC{2,1}./C{2,1}
ans =
     2     2     2

Answer 2

尽管这里有很多答案将有助于使用 parfor 块来完成您需要的操作，但我认为更好的解决方案可能是使用 spmd 块代替。

不要将图像分割成元胞数组中的较小部分，而是考虑将其转换为 分布式数组，可能分布在与您当前正在做的相同的部分。在 spmd 块中，您可以执行 doWork 函数，它将应用于该工作线程上存在的（共同）分布式数组的任何部分。最后，您可以汇总结果并将其收集返回给客户端。

我发现 spmd 比 parfor 更难掌握，但一旦你掌握了它的想法，它就会非常强大；我认为这个例子可以非常方便地以这种形式表达。

Answer 3

只需构建一个输出向量，然后使用reshape将其变成一个矩阵。