将RGB图像转换为灰度图像的两个函数:
function rgb2gray_loop{T<:FloatingPoint}(A::Array{T,3})
r,c = size(A)
gray = similar(A,r,c)
for i = 1:r
for j = 1:c
@inbounds gray[i,j] = 0.299*A[i,j,1] + 0.587*A[i,j,2] + 0.114 *A[i,j,3]
end
end
return gray
end
并且:
function rgb2gray_vec{T<:FloatingPoint}(A::Array{T,3})
gray = similar(A,size(A)[1:2]...)
gray = 0.299*A[:,:,1] + 0.587*A[:,:,2] + 0.114 *A[:,:,3]
return gray
end
第一种方法使用循环,而第二种方法则使用向量化。
使用Benchmark包对它们进行基准测试时(
f1
是循环版本,f2
是向量化版本),我得到了不同大小输入图像的以下结果:
A = rand(50,50,3)
:| Row | Function | Average | Relative | Replications |
|-----|----------|-------------|----------|--------------|
| 1 | "f1" | 3.23746e-5 | 1.0 | 1000 |
| 2 | "f2" | 0.000160214 | 4.94875 | 1000 |
A = rand(500,500,3)
:
| Row | Function | Average | Relative | Replications |
|-----|----------|------------|----------|--------------|
| 1 | "f1" | 0.00783007 | 1.0 | 100 |
| 2 | "f2" | 0.0153099 | 1.95527 | 100 |
A = rand(5000,5000,3)
:
| Row | Function | Average | Relative | Replications |
|-----|----------|----------|----------|--------------|
| 1 | "f1" | 1.60534 | 2.56553 | 10 |
| 2 | "f2" | 0.625734 | 1.0 | 10 |
我本以为一个函数会比另一个函数更快(可能是因为inbounds宏),但我无法解释为什么矢量化版本在处理更大的图像时会更快。这是为什么呢?
gray = similar(A,size(A)[1:2]...)
是不必要的,因为语言会直接从第二个语句创建正确大小的数组。但是这并不能解释向量化版本为什么更快。 - cfhconvert(Array{Gray{Float64}}, A)
。 - tholy