小白第一篇原创(算是原创吧哈哈哈哈),转载请注明出处附上原网址:https://blog.csdn.net/weixin_40695571/article/details/89042973
这篇文章是结合一些个人经验和网上资料写的。可能有错误,欢迎指正~
最初接触Matlab和C/C++的混合编程,是在用Matlab做图像处理的SLIC超像素分割,源码里面用到了Matlab和C混合编程。当时是小白,脑阔痛(现在也是,依旧脑阔痛),不明白为啥这么搞,直接用matlab写不好吗?
网上搜了很多资料,才大概明白是啥思路。好了不废话了。
Matlab和C/C++的混合编程怎么用,我就不再赘述了,网上有很多资料,也可以去找本书看看。
可以参考一下:https://blog.csdn.net/changquanhao/article/details/51444361
那为啥子要搞Matlab和C/C++的混合编程捏?原因之一很简单:速度!(注意是原因之一)
Matlab是一种矩阵语言,是为向量和矩阵操作设计的,一般来说,如果运算可以用向量或矩阵实现,其运算速度是非常快的(Matlab又称矩阵实验室,对矩阵运算和一些常见的代数运算都做了高度的优化)。但若运算中涉及到大量的循环处理,MATLAB的速度的令人难以忍受的。解决方法之一为:当必须使用for循环时,把它做成MEX文件(注1)。这样就不必在每次运行循环中的语句时,Matlab都对它们进行解释(注2)。
注1:MEX文件是由 C源代码加上MEX文件专用的接口函数后 编译而成的。可以这样理解,MEX文件实现了一种接口,它把在Matlab中调用函数时输入的自变量通过特定的接口调入了C函数,得出的结果再通过该接口调回Matlab。
注2:Matlab是解释型语言,C/C++是编译型语言。下面敲黑板,懂了的可以跳过~
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
简单来说,计算机不能直接的理解高级语言,只能直接理解机器语言,所以必须要把高级语言翻译成机器语言,,也就是 0 1 ,这样计算机才能执行高级语言编写的程序。 翻译的方式有两种,编译和解释。只是翻译的时间不通罢了,,但随着设计技术与硬件不断发展,编译型与解释型两种方式的界限正在不断变得模糊。
特征:
解释型语言在运行程序的时候才翻译,每执行一次,要翻译一次,效率较低.
编译型就是直接编译成机型可以执行的,只翻译一次
优点:
解释型:可移植性好,只要有运行相应需要的解释环境,可以在不同的操作系统上运行,修改调试也非常方便
编译型:相比解释执行编译执行效率高,占用资源小,适合复杂程序
缺点:
解释型:一句一句执行解释,浪费计算机资源,效率低
编译型:兼容性差,编译型程序虽然源代码也可以移植,但前提是必须针对不同的系统分别进行编译.
一言以蔽之,emmm......我打个比方:有一天你特别饿,要吃十包泡面。
解释型:拿一个小碗,每次泡完一包面,吃完后,再泡下一包......
编译型:拿一个锅,一次性泡了十包面!!
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
看到这里,我想你应该明白为啥用混合编程了吧——Matlab对于有大量循环(特别是嵌套循环)的程序运行速度太慢了!
举个栗子:SLIC算法里,输入是图片(假设输入图片有一百万pixels好了),我们要对每一个像素进行处理,你想想要使用多少次循环!!
我之前在CSND下载了一个纯Matlab版本SLIC算法实现,运行速度是Matlab和C的混合编程的十几倍!!!
当然咯,如果你直接在matlab程序里优化了关于循环的语句,亦可以提升运算速度(但只是相对的提速,毕竟它是解释型的)
优化Matlab里的for语句,可以参考:https://blog.csdn.net/misayaaaaa/article/details/70477513
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
最后提一下,Matlab的矩阵运算速度有多牛逼!!
举个栗子!引用一下腾讯云社区网友的测试:
我正在使用CUDA,C++,C#和Java编写一些benchmarks,并使用MATLAB进行验证和矩阵生成。但是当我用MATLAB进行乘法时,2048x2048,甚至更大的矩阵几乎瞬间得到结果。
1024x1024 2048x2048 4096x4096
--------- --------- ---------
CUDA C (ms) 43.11 391.05 3407.99
C++ (ms) 6137.10 64369.29 551390.93
C# (ms) 10509.00 300684.00 2527250.00
Java (ms) 9149.90 92562.28 838357.94
MATLAB (ms) 75.01 423.10 3133.90