同样是MATLAB for循环，运算速度咋差这么大



我只能说，MATLAB是真的出圈了，YYDS

除此之外，还收到不少朋友的留言私信，希望再深入聊一聊，图像定位这个问题

正好我这周花了不少时间在代码优化上，今天就简单分享一下，优化过程中踩过的那些坑，以及最终实现的效果

这里涉及的图像定位问题，指的是，在一张图片中计算出某个图像片段的具体位置

这个问题的拓展应用还是很广的

如果说MATLAB模拟鼠标移动到指定位置可以简化很多实际问题的话，那么在图像定位之后再实现进一步的鼠标键盘操作就会更智能

比如在网页上自动翻页下载论文，在电脑桌面上自动启动软件并登陆，在B站上自动搜索视频并下载，图像处理之后的模拟鼠标操作大大降低了爬虫和系统操作的门槛

在图片rgb2gray灰度处理之后，图片定位其实就是一个在二维矩阵中定位子矩阵的问题

平时大家经常碰到的一个情况是，在一个矩阵中查找定位某一个元素，这个问题很容易解决，find函数就能搞定

不过，如果要在矩阵中查找定位一个向量或是一个矩阵，实现起来相对比较繁琐，至少是一个find函数解决不了的问题

1

最开始我使用的方案是，通过两层for循环，在矩阵上逐点对比

比如，原矩阵是一个8x10的矩阵，想要查找的子矩阵是2x3的矩阵

构造两层for循环，在8x10的矩阵中逐行逐列按点构造一个2x3的矩阵和目标子矩阵做对比

如果两个矩阵完全一致，那么当前for循环所在的行列就是目标子矩阵的位置

这个方案在逻辑上非常顺，不过实际的效果很惨

因为我用的是4k屏，截屏图片像素是3840x2160，用这种两层for循环逐点对比的方法，一次图像定位就要做超过800万次的计算

即使我加入了“定位成功就break跳出循环”的功能，整体上定位一次平均要花46.04秒

2

显然这样的运算速度很让人崩溃，于是我就开始研究，怎么把两层for循环减少到一层

很快我在MATLAB官方社区上找到了答案，通过ismember函数搭配rows的方式，可以判断矩阵中有哪几行和子矩阵一致

不过这种方式需要保证每次判断的时候，两个矩阵的列数一样，因此需要for循环逐一对比

如果矩阵中有连续的几行和子矩阵一致，且行数等于子矩阵行数，那么循环所在的列以及ismember判定的行就是目标子矩阵的位置

在经过100次循环测试之后，用这种方式进行图像定位平均耗时2.46秒，运算速度要远远快于之前逐点判断的方式，速度提升了将近20倍

3

虽然运算速度有一个非常显著的提升，但平均2.46秒的耗时还是很难令人满意，这都已经无法用卡顿来形容了

然后我就在想，有没有可能在一层循环的基础上再进一步优化

琢磨了好久，我突然想到了一个方案

先取目标子矩阵的第一个元素，然后在整个矩阵中用find检索，然后for循环逐一判断检索到的点，如果该点所在的子矩阵和目标子矩阵完全一致，那么这个点就是目标子矩阵的位置

这次优化后的效果非常惊喜，在100次循环测试之后，图像定位平均耗时0.55秒，运算速度是最开始逐点判断法的80多倍

4

本以为这次的代码优化已经圆满结束了，结果我拿着这个函数去做谷歌浏览器翻页测试，半天没有反应

我还以为是MATLAB死机了，重启试了好几回，还是一样

然后我设断点调试了下脚本，突然意识到，这个方案其实有个逻辑bug

目标子矩阵的第一个元素对应的是白色，而整个矩阵出现最频繁的就是白色

如果以白色作为检索点，那无异于把整个矩阵所有点对比了一遍，效果和两层for循环没什么差别

于是我又开启了漫长的优化之路

中途还试了不少方案，最终效果最好的方案是，对整个矩阵进行元素频率统计，通过sortrows函数按频率由低到高排列，然后用ismember函数和子矩阵进行对比，找出矩阵中频率最低并且子矩阵中也包含的元素，最后对该元素进行for循环对比验证

在100次的循环测试之后，图像定位平均耗时0.48秒，运算速度是最开始逐点判断法的将近100倍

对于这次将近100倍的优化效果，完全出乎自己的意料

事实证明，即便完全没有办法回避for循环，但还是有非常大的优化提升空间

以上就是这一周MATLAB搞事情的分享，希望这篇文章对大家平时的工作学习有所帮助

最后祝大家，工作学习顺利！