物体跟踪：MATLAB与Python Numpy的对比

Question

我即将开始进行一项最终年度工程项目，该项目包括对二维表面上运动的物体进行实时跟踪。我的算法将使用特征提取来注册这些物体。

我正在进行一些研究以决定是否应该使用MATLAB还是Python Numpy(数值Python)。以下是我考虑的一些因素：

1.) 经验

我在两个领域都有相当的经验，但在使用Numpy进行图像处理方面可能更有经验。不过，我始终觉得MATLAB非常直观和易于掌握。

2.) 实时性能

很重要的一点是，我的选择必须支持从外部摄像头实时获取视频数据。我在此链接中找到了如何使用MATLAB实现此功能的说明。我相信同样可以使用OpenCV库来完成Python的实现吧？

3.) 性能

我听说MATLAB可以轻松地将独立的计算分配到多个核心上。我认为这非常有用，但我不确定是否同样适用于Numpy？

4.) 价格

我知道使用MATLAB是需要付费的，但我将在大学工作，因此可以免费使用完整版本的MATLAB，所以价格不是一个因素。

如果您做过类似的工作，并且愿意分享经验，我将非常感激任何来自您的建议！

- hjweide

---

就毕业后的就业能力而言，如果您打算从事工程实践，我认为Matlab是一个更好的选择。 - High Performance Mark

我认为这高度取决于你工作的地方。最好两者都知道。 - Benjamin

Answer 1

我推荐使用Python。

我在攻读博士学位的过程中从MATLAB转向了Python，并且没有后悔过。简单来说，Python是一种更好的语言，具有真正的对象等特点。

如果您希望在代码中使用C/C++的任何部分，我绝对建议您使用Python。MEX接口可以工作，但如果您的构建变得复杂/庞大，它就会变得很麻烦，而我从未解决如何有效地调试它的问题。我还曾因为MEX和分配大块内存与MATLAB的内存管理相互作用而遇到了很大的困难（我无法解决这个问题，这也是我转换的原因）。

顺便说一句/自我推广，我在C++中使用了Crocker-Grier（带有swig包装器），并且还有纯Python版本。

- tacaswell

Answer 2

Python（带有NumPy，SciPy和MatPlotLib）是新的Matlab。因此，我强烈推荐Python而不是Matlab。

我在一年前进行了更改，并对结果非常满意。

以下是Python和Matlab的简短优缺点列表

Python的优点：

• 面向对象
• 易于编写大型和“真实”的程序
• 开源（因此完全免费使用）
• 快速（大多数重计算算法都有一个Python包装器来连接C库，例如NumPy、SciPy、SciKits、libSVM、libLINEAR等）
• 舒适的环境，高度可配置（iPython、VIM的Python模块等）
• Python用户社区正在快速增长。有大量文档和愿意提供帮助的人

Python的缺点：

• 安装可能会很麻烦（尤其是在OS X中的某些模块）
• 绘图操作不如Matlab那样好/易用，特别是3D绘图或动画
• 它仍然是一种脚本语言，因此只能用于（快速）原型设计
• Python不适用于多核编程

Matlab的优点：

• 非常容易安装
• 强大的工具箱（例如信号处理、系统生物学）
• 统一的文档和个性化支持，只要购买许可证
• 易于进行绘图动画和交互式图形（我发现这对运行实验非常有用）

Matlab的缺点：

• 不免费（而且昂贵）
• 基于Java + X11，看起来极其丑陋（好吧，我承认我在这里完全有偏见）
• 难以编写大型和可扩展的程序
• 很多Matlab用户正在转向Python :)

- Oriol Nieto

---

谢谢！我今天又和一些人交谈了，看来我会选择Python。 - hjweide

很高兴听到这个消息。祝你编程愉快！ - Oriol Nieto

Answer 3

1. 如果您两种语言都有经验，那么这不是一个决策标准。

2. Matlab在实时设置方面存在问题，特别是由于大多数计算机视觉算法非常昂贵。这就是使用经过测试的库(如OpenCV)的优点，其中许多算法已经得到有效实现。Matlab提供了将代码编译成Mex文件的可能性，但这需要很多工作。

3. Matlab具有并行for循环parfor，使得多核处理变得容易（或者至少更容易）。但问题是，是否足以获得实时速度。

4. 无可奉告。

5. Matlab的主要优点是由于其良好的文档，您可以很快地获得运行程序。但是我发现，在Matlab中，除非您非常重视它，否则代码的可重用性很差。

我认为最终决策必须是您是否必须/能够实时运行算法，但我对Matlab的实时性存疑，这取决于您计划使用的方法。

- denahiro

---

谢谢您的回答！但是，当您说Matlab中的代码可重用性不好时，您是什么意思？为什么会这样？ - hjweide

许多人倾向于过度使用脚本，我认为这使得由于名称冲突和依赖关系而极难重用该代码。同时，很难强制执行数据结构（例如输入数据），这意味着大多数用户必须找出如何构造输入数据（是行向量还是列向量等）。我并不是说重用优秀的Matlab代码是不可能的，但存在很多糟糕的代码，人们编写代码时往往不考虑可重用性。 - denahiro

Answer 4

其他人已经发表了很多好的评论（我之前在另一个答案中也谈到过这个话题https://dev59.com/gW445IYBdhLWcg3wDWCc#5065585），但我想指出Python有许多非常出色的工具，可以实现并行计算/分配工作到多个核心。以下是一个简短而不全面的列表：

• IPython并行工具包: http://ipython.org/ipython-doc/dev/parallel/index.html

• mpi4py: https://code.google.com/p/mpi4py

• 标准库中的multiprocessing模块: http://docs.python.org/library/multiprocessing.html

• pyzmq: http://zeromq.github.com/pyzmq/ (IPython并行工具包的基础)

• Parallel Python (PP): http://www.parallelpython.com/

• Cython对OpenMP的封装: http://docs.cython.org/src/userguide/parallelism.html

你会发现，如果你需要与外部C库进行交互或编写C扩展，cython比Matlab提供的工具要好得多，并且它内置了出色的numpy支持。以下是其他选项列表：http://wiki.python.org/moin/ParallelProcessing

- JoshAdel