0

我编写了一段代码，其中我使用 boost::multi_array 在 C++ 中有一个巨大的 3D 矩阵。

对于每个矩阵元素，我想总结一定距离 dist 的邻域。每个元素都根据其到中心的距离进行加权。中心元素不应包含在总和中。

距离 dist 由用户给出并且可以变化。我的程序进行了正确的计算，但是当矩阵变大时速度很慢。我有时有超过 100000 个元素的矩阵......

所以我的问题是：有什么方法可以让这个计算更快？也许也可以使用另一个库？

该部分主要由两个功能组成。在第一个函数中，我访问每个矩阵元素并计算邻域的总和。inputMatrix 是一个 3D boost 多数组：

boost::multi_array<float, 3> inputMatrix = imageMatrix;
T actualElement;
int posActualElement;
for (int depth = 0; depth<inputMatrix.shape()[2]; depth++) {
    for (int row = 0; row<inputMatrix.shape()[0]; row++) {
        for (int col = 0; col<inputMatrix.shape()[1]; col++) {

            indexOfElement[0] = row;
            indexOfElement[1] = col;
            indexOfElement[2] = depth;
            //get actual Element if it is the centre of a whole neighborhood
            actualElement = inputMatrix[row][col][depth];
            if (!std::isnan(actualElement)) {
                //get the sum of the actual neighborhood
                sumOfActualNeighborhood = getNeighborhood3D(inputMatrix, indexOfElement);
      }
    }
  }
}

函数neighborhood3D 如下所示：

template <class T, size_t R>
T NGTDMFeatures3D<T, R>::getNeighborhood3D(boost::multi_array<T, R> inputMatrix, int *indexOfElement) {
    std::vector<T> neighborhood;
    T actElement;
    float weight;
    for (int k = -dist; k<dist + 1; k++) {
        for (int i = -dist; i<dist + 1; i++) {
            for (int j = -dist; j<dist + 1; j++) {

                if (i != 0 || j != 0 || k != 0) {
                    if (indexOfElement[0] + i>-1 && indexOfElement[0] + i<inputMatrix.shape()[0] && indexOfElement[1] + j>-1 && indexOfElement[1] + j<inputMatrix.shape()[1] && indexOfElement[2] + k>-1 && indexOfElement[2] + k<inputMatrix.shape()[2]) {
                        actElement = inputMatrix[indexOfElement[0] + i][indexOfElement[1] + j][indexOfElement[2] + k];
                        if (!std::isnan(actElement)) {
                            weight = calculateWeight3D(i, j, k, normNGTDM, actualSpacing);
                            neighborhood.push_back(weight*actElement);
                        }
                    }
                }
            }
        }
    }
    T sum = accumulate(neighborhood.begin(), neighborhood.end(), 0);
    sum = sum / neighborhood.size();
    return sum;
}
4

0 回答 0