schnelle 2-dimensionale histograming in matlab

Ich geschrieben habe, ein 2D-Histogramm-Algorithmus für 2 matlab-Vektoren. Ich kann leider nicht herausfinden, wie zu Vektorisieren, und es ist etwa eine Größenordnung zu langsam für meine Bedürfnisse. Hier ist, was ich habe:

    function [ result ] = Hist2D( vec0, vec1 )
%Hist2D takes two vectors, and computes the two dimensional histogram
% of those images.  It assumes vectors are non-negative, and bins
% are the integers.
%
%  OUTPUTS
%      result - 
%         size(result) = 1 + [max(vec0) max(vec1)]
%         result(i,j)  = number of pixels that have value 
%                             i-1 in vec0 and value j-1 in vec1.

    result = zeros(max(vec0)+1, max(vec1)+1);

    fvec0 = floor(vec1)+1;
    fvec1 = floor(vec0)+1;

    % UGH, This is gross, there has to be a better way...
    for i = 1 : size(fvec0);
        result(fvec0(i), fvec1(i)) = 1 + result(fvec0(i), fvec1(i));
    end
end

Gedanken?

Dank!!
John

  • Was ist fimg0?
  • Typo. Ich habe die Feste.
InformationsquelleAutor John | 2011-07-21
  1. 19

    Hier ist meine version für ein 2D-Histogramm:

    %# some random data
X = randn(2500,1);
Y = randn(2500,1)*2;

%# bin centers (integers)
xbins = floor(min(X)):1:ceil(max(X));
ybins = floor(min(Y)):1:ceil(max(Y));
xNumBins = numel(xbins); yNumBins = numel(ybins);

%# map X/Y values to bin indices
Xi = round( interp1(xbins, 1:xNumBins, X, 'linear', 'extrap') );
Yi = round( interp1(ybins, 1:yNumBins, Y, 'linear', 'extrap') );

%# limit indices to the range [1,numBins]
Xi = max( min(Xi,xNumBins), 1);
Yi = max( min(Yi,yNumBins), 1);

%# count number of elements in each bin
H = accumarray([Yi(:) Xi(:)], 1, [yNumBins xNumBins]);

%# plot 2D histogram
imagesc(xbins, ybins, H), axis on %# axis image
colormap hot; colorbar
hold on, plot(X, Y, 'b.', 'MarkerSize',1), hold off

    schnelle 2-dimensionale histograming in matlab

    Beachten Sie, dass ich entfernt die "nicht-negativen" Einschränkung, sondern hielt integer bin-Zentren (das könnte leicht geändert werden, in dividing range in gleich große angegebene Anzahl der Plätze statt "Fraktionen").

    Dies war vor allem inspiriert von @SteveEddins blog-post.

    • accumarray, warum wusste ich es nicht über diese Funktion? Genial! Danke!
    • accumarray ist etwa 30x schneller als mein Ansatz, wenn auf meiner Maschine zum laufen.
    • Lesen Sie mehr über die unter-schätzen ACCUMARRAY hier: blogs.mathworks.com/loren/2008/02/20/...
    • Ganz nett, aber warum verwenden Sie lineare interpolation? Sie können 'nächste' interpolation und überspringen Sie die Rundung und limit-Bereich Schritte.
    • Ich glaube, Sie haben Recht Xi = interp1(xbins, 1:xNumBins, X, 'nearest', 'extrap'); ist einfacher (ähnlich wie für Y). Da dies einige Zeit her ist, kann ich nicht garantieren, es gibt keine Ecke Fälle obwohl 🙂
    • Das Histogramm oben ausgedrückt in bin-Center. Wenn wir das formuliert hatte, das binning in Bezug auf die bin-Kanten statt, die wir nutzen könnten HISTC auch die Funktion (in diesem Fall reicht nicht einmal, um die gleiche Größe)..
    • AMro - aber wie ernähren sich die verschiedenen Bereiche Größe zu accumarray ? Zu null-pad die kürzere der beiden Bereiche, oder etwas, da das erste argument accumarray hat, um die Spalten gleich lang, richtig?
    • Nie Verstand-ich war nicht aufgepasst. [xct,xedge,xbin]=histcounts(x) , dann accumarray([xbin',ybin'],1,[numel(xedge),numel(yedge)]) funktioniert im Prinzip, abgesehen von der Skalierung der Werte in die bin-Anzahl.
    • rechts histcounts ist der moderne Ersatz von histc ich oben erwähnt.

    InformationsquelleAutor Amro
  2. 2

    Könnte man etwas machen wie:

    max0 = max(fvec0) + 1;
max1 = max(fvec1) + 1;

% Combine the vectors
combined = fvec0 + fvec1 * max0;

% Generate a 1D histogram
hist_1d = hist(combined, max0*max1);

% Convert back to a 2D histogram
hist_2d = reshape(hist, [max0 max1]);

    (Hinweis: ungetestet)

    InformationsquelleAutor Oliver Charlesworth
Schreibe einen Kommentar