在MATLAB中做这种pythonic矢量化赋值的等效方法是什么？

Question

我正在尝试将这行代码从Python翻译成MATLAB：

new_img[M[0, :] - corners[0][0], M[1, :] - corners[1][0], :] = img[T[0, :], T[1, :], :]

所以，很自然地，我写了这样的东西：

new_img(M(1,:)-corners(2,1),M(2,:)-corners(2,2),:) = img(T(1,:),T(2,:),:);

但是当它到达那条线时，它给了我以下的错误：

Requested 106275x106275x3 (252.4GB) array exceeds maximum array size preference. Creation of arrays greater than this limit may take a long time and cause MATLAB to become unresponsive. See array size limit or preference panel for more information.

这让我相信它没有正确地分配事物。Img最多是一幅1000×1500的RGB图像。同样的代码在Python中的工作时间不到5秒。我怎样才能像MATLAB中第一行的代码那样进行向量赋值呢？你知道吗

顺便说一句，我没有粘贴我的所有代码行为这篇文章不太长。如果我还需要补充什么，请告诉我。你知道吗

编辑： 下面是我希望我的代码做什么的解释（基本上，这就是Python代码所做的）：

考虑一下这行代码。这不是一个真正的MATLAB代码，我只是想解释一下我想做什么：

A([2 3 5], [1 3 5]) = B([1 2 3], [2 4 6])

其解释如下：

A(2,1) = B(1,2)
A(3,1) = B(2,2)
A(5,1) = B(3,2)
A(2,3) = B(1,4)
A(3,3) = B(2,4)
A(5,3) = B(3,4)
...
...
...

相反，我希望它被解释为：

A(2,1) = B(1,2)
A(3,3) = B(2,4)
A(5,5) = B(3,6)

Answer 1

在Python中执行A[vector1, vector2]时，将对集合进行索引：

A[vector1[0], vector2[0]]
A[vector1[1], vector2[1]]
A[vector1[2], vector2[2]]
A[vector1[3], vector2[3]]
...

在MATLAB中，相似的A(vector1, vector2)代替索引集：

A(vector1(1), vector2(1))
A(vector1(1), vector2(2))
A(vector1(1), vector2(3))
A(vector1(1), vector2(4))
...
A(vector1(2), vector2(1))
A(vector1(2), vector2(2))
A(vector1(2), vector2(3))
A(vector1(2), vector2(4))
...

也就是说，你可以得到每个指数的组合。您应该将其视为由两个向量中指定的行和列组成的子数组。你知道吗

要实现与Python代码相同的功能，需要使用线性索引：

index = sub2ind(size(A), vector1, vector2);
A(index)

因此，您的MATLAB代码应该：

index1 = sub2ind(size(new_img), M(1,:)-corners(2,1), M(2,:)-corners(2,2));
index2 = sub2ind(size(img), T(1,:), T(2,:));

% these indices are for first 2 dims only, need to index in 3rd dim also:
offset1 = size(new_img,1) * size(new_img,2);
offset2 = size(img,1) * size(img,2);
index1 = index1.' + offset1 * (0:size(new_img,3)-1);
index2 = index2.' + offset2 * (0:size(new_img,3)-1);

new_img(index1) = img(index2);

中间块所做的是为第三维度的相同元素添加线性索引。如果ii是第一个通道中某个元素的线性索引，那么ii + offset1是第二个通道中同一个元素的索引，ii + 2*offset1是第三个通道中同一个元素的索引，依此类推。所以这里我们生成所有这些矩阵元素的索引。+操作执行隐式单例扩展（在Python中称为“广播”）。如果您有一个旧版本的MATLAB，这将失败，您需要将A+B替换为bsxfun(@plus,A,B)。你知道吗