Hash-Tabellen in MATLAB

Unterstützt MATLAB Hash-Tabellen?

Einige Hintergrundinformationen

Ich arbeite an einem Problem in Matlab, das eine Skalierungsraumdarstellung eines Bildes erfordert. Zu diesem Zweck erstelle ich einen 2-D-Gauß-Filter mit einer Varianz sigma*s^kfür keinen bestimmten Bereich. Anschließend filtere ich das Bild nacheinander. Jetzt möchte ich eine Art Zuordnung kzum gefilterten Bild.

Wenn kimmer eine ganze Zahl wäre, würde ich einfach ein 3D-Array erstellen, so dass:

arr[k] = <image filtered with k-th guassian>

Ist kjedoch nicht unbedingt eine Ganzzahl, daher kann ich dies nicht tun. Ich dachte daran, eine Reihe von ks so zu halten, dass:

arr[find(array_of_ks_ = k)] = <image filtered with k-th guassian>

Was auf den ersten Blick ziemlich gut erscheint, außer dass ich diese Suche möglicherweise einige tausend Mal mit etwa 20 oder 30 Werten von durchführen werde k, und ich befürchte, dass dies die Leistung beeinträchtigen wird.

Ich frage mich, ob es mir nicht besser wäre, dies mit einer Hash-Tabelle zu tun, damit ich eine Suchzeit habe, die O (1) anstelle von O (n) ist.

Jetzt weiß ich, dass ich nicht vorzeitig optimieren sollte, und ich habe dieses Problem möglicherweise überhaupt nicht, aber denken Sie daran, dies ist nur der Hintergrund, und es kann Fälle geben, in denen dies wirklich die beste Lösung ist, unabhängig davon, ob es die ist beste Lösung für mein Problem.

Matlab unterstützt keine Hashtabellen. EDIT Bis r2010a, das heißt; siehe @Amros Antwort.

Um Ihre Suche zu beschleunigen, können Sie das löschenfind und LOGICAL INDEXING verwenden .

arr{array_of_ks==k} = <image filtered with k-th Gaussian>

oder

arr(:,:,array_of_ks==k) = <image filtered with k-th Gaussian>

Nach all meinen Erfahrungen mit Matlab hatte ich jedoch noch nie einen Engpass bei der Suche.

Um Ihr spezifisches Problem zu beschleunigen, empfehle ich, entweder inkrementelle Filterung zu verwenden

arr{i} = GaussFilter(arr{i-1},sigma*s^(array_of_ks(i)) - sigma*s^(array_of_ks(i-1)))

Angenommen, es array_of_kswird in aufsteigender Reihenfolge sortiert, und GaussFilter berechnet die Filtermaskengröße basierend auf der Varianz (und verwendet natürlich 2 1D-Filter), oder Sie können im Fourierraum filtern, was besonders für große Bilder nützlich ist und wenn die Varianzen sind gleichmäßig verteilt (was sie höchstwahrscheinlich leider nicht sind).

Erwägen Sie die Verwendung der Kartenklasse von MATLAB: container.Map . Hier ist eine kurze Übersicht:

• Schaffung:

  >> keys = {'Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', ...
    'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec', 'Annual'};
  
  >> values = {327.2, 368.2, 197.6, 178.4, 100.0,  69.9, ...
    32.3,  37.3,  19.0,  37.0,  73.2, 110.9, 1551.0};
  
  >> rainfallMap = containers.Map(keys, values)
  
  rainfallMap = 
    containers.Map handle
    Package: containers
  
    Properties:
          Count: 13
        KeyType: 'char'
      ValueType: 'double'
    Methods, Events, Superclasses

• Sieh nach oben:

  x = rainfallMap('Jan');

• Zuordnen:

  rainfallMap('Jan') = 0;

• Hinzufügen:

  rainfallMap('Total') = 999;

• Entfernen:

  rainfallMap.remove('Total')

• Prüfen:

  values = rainfallMap.values;
  keys = rainfallMap.keys;
  sz = rainfallMap.size;

• Schlüssel prüfen:

  if rainfallMap.isKey('Today')
      ...
  end

Die neuen Container.Map-Klasse von Matlab R2008b (7.7) ist eine verkleinerte Matlab-Version der Schnittstelle java.util.Map . Es bietet den zusätzlichen Vorteil einer nahtlosen Integration in alle Matlab-Typen ( Java Maps kann beispielsweise keine Matlab-Strukturen verarbeiten ) sowie die Möglichkeit seit Matlab 7.10 (R2010a) , Datentypen anzugeben .

Bei seriösen Matlab-Implementierungen, für die Karten / Wörterbücher mit Schlüsselwerten erforderlich sind, sollten weiterhin die Map-Klassen von Java ( java.util.EnumMap , HashMap , TreeMap , LinkedHashMap oder Hashtable ) verwendet werden, um Zugriff auf ihre größeren Funktionen zu erhalten, wenn nicht sogar die Leistung. Matlab-Versionen vor R2008b haben auf keinen Fall eine echte Alternative und müssen die Java-Klassen verwenden.

Eine mögliche Einschränkung bei der Verwendung von Java-Sammlungen besteht darin, dass sie nicht primitive Matlab-Typen wie Strukturen enthalten können. Um dies zu überwinden, konvertieren Sie entweder die Typen herunter (z. B. mithilfe von struct2cell oder programmgesteuert) oder erstellen Sie ein separates Java-Objekt, das Ihre Informationen enthält und dieses Objekt in der Java-Sammlung speichert.

Möglicherweise möchten Sie auch eine reine, objektorientierte (klassenbasierte) Hashtable-Implementierung von Matlab untersuchen, die im Dateiaustausch verfügbar ist .

Sie könnten Java dafür verwenden.

In Matlab:

dict = java.util.Hashtable;
dict.put('a', 1);
dict.put('b', 2);
dict.put('c', 3);
dict.get('b')

Aber Sie müssten ein Profil erstellen, um zu sehen, ob Sie dadurch einen Geschwindigkeitsgewinn erzielen, denke ich ...

Es ist ein wenig schwierig, aber ich bin überrascht, dass niemand vorgeschlagen hat, Strukturen zu verwenden. Sie können über den Variablennamen auf jedes Strukturfeld zugreifen, struct.(var)wobei es varsich um eine beliebige Variable handeln kann, die entsprechend aufgelöst wird.

dict.a = 1;
dict.b = 2;

var = 'a';

display( dict.(var) ); % prints 1

Sie können auch den neuen Typ "Tabelle" nutzen. Sie können verschiedene Datentypen speichern und ganz einfach Statistiken daraus abrufen. Weitere Informationen finden Sie unter http://www.mathworks.com/help/matlab/tables.html .