【测速】矩阵翻转

编程技术  /  houtizong 发布于 3年前   191

在微博中看到有人分享了篇文章“为什么转置512×512矩阵，会比513×513矩阵慢很多？”http://note.sdo.com/u/1557869253/n/sSPb5~k5HYUMLX0mU000QX
没仔细看原理，但与缓存的命中率有关。
今天写矩阵翻转的代码，突然想到这个问题。测了一下速度：
结论：新建一片内存，顺序访问其中的元素，速度比较快！！！在翻转中能快个两倍左右！！！（注：我的矩阵是行优先存储的）


有关代码如下（代码不完全）：

//水平翻转矩阵中的元素void flipHorizontally(){T tmp;//int halfHeight=height_row/2;int halfWidth=width_col/2;for (int r=0; r<height_row; r++) {for (int c=0; c<halfWidth; c++) {int c2=width_col-1-c;tmp=getValue(r,c);this->operator()(r,c)=this->operator()(r,c2);this->operator()(r,c2)=tmp;}}}//水平翻转矩阵中的元素Matrix flipHorizontallyNewMatrix(){Matrix flipped(height_row,width_col);int halfWidth=width_col/2;for (int r=0; r<height_row; r++) {for (int c=0; c<=halfWidth; c++) {int c2=width_col-1-c;flipped(r,c)=this->operator()(r,c2);flipped(r,c2)=this->operator()(r,c);}}return flipped;}//水平翻转矩阵中的元素Matrix flipHorizontallyNewMatrix2(){Matrix flipped(height_row,width_col);for (int r=0; r<height_row; r++) {for (int c=0; c<width_col; c++) {int c2=width_col-1-c;flipped(r,c)=this->operator()(r,c2);}}return flipped;}//垂直翻转矩阵中的元素Matrix flipVerticallyNewMatrix(){Matrix flipped(height_row,width_col);int halfHeight=height_row/2;for (int r=0; r<=halfHeight; r++) {for (int c=0; c<width_col; c++) {int r2=height_row-1-r;flipped(r,c)=this->operator()(r2,c);flipped(r2,c)=this->operator()(r,c);}}return flipped;}//垂直翻转矩阵中的元素Matrix flipVerticallyNewMatrix2(){Matrix flipped(height_row,width_col);for (int r=0; r<height_row; r++) {for (int c=0; c<width_col; c++) {int r2=height_row-1-r;flipped(r,c)=this->operator()(r2,c);//flipped(r2,c)=this->operator()(r,c);}}return flipped;}//垂直翻转矩阵中的元素void flipVertically(){T tmp;int halfHeight=height_row/2;for (int r=0; r<halfHeight; r++) {for (int c=0; c<width_col; c++) {int r2=height_row-1-r;tmp=getValue(r,c);this->operator()(r,c)=this->operator()(r2,c);this->operator()(r2,c)=tmp;}}}

测试用的代码如下（代码不完全）：

        for (int n=10; n<1000; n+=33) {            MatrixInt m(n,n);            for (int i=0; i<m.getNumEl(); i++) {                m(i)=i;            }            int testNum=10000/n*10000/n;            Timer timer;            for(int i=0; i<testNum; i++)                m.flipVerticallyNewMatrix();            long tv1=timer.getElapsedTimeAndRestart();            for(int i=0; i<testNum; i++)                m.flipVerticallyNewMatrix2();            long tv2=timer.getElapsedTimeAndRestart();for(int i=0; i<testNum; i++)m.flipVertically();long tvInplace=timer.getElapsedTimeAndRestart();            for(int i=0; i<testNum; i++)                m.flipHorizontallyNewMatrix();            long th1=timer.getElapsedTimeAndRestart();            for(int i=0; i<testNum; i++)                m.flipHorizontallyNewMatrix2();            long th2=timer.getElapsedTimeAndRestart();for(int i=0; i<testNum; i++)m.flipHorizontally();long thInplace=timer.getElapsedTimeAndRestart();cout<<"矩阵大小: "<<m.height_row<<"行*"<<m.width_col<<"列"<<endl;cout<<"水平翻转耗时：方法1:  "<<th1<<";\t\t方法2:  "<<th2<<";\t\t原位翻转:  "<<thInplace<<endl;cout<<"垂直翻转耗时：方法1:  "<<tv1<<";\t\t方法2:  "<<tv2<<";\t\t原位翻转:  "<<tvInplace<<endl;            cout<<endl;        }

测试用结果如下：

矩阵大小: 10行*10列水平翻转耗时：方法1:  566;方法2:  340;原位翻转:  410垂直翻转耗时：方法1:  652;方法2:  342;原位翻转:  450矩阵大小: 43行*43列水平翻转耗时：方法1:  364;方法2:  180;原位翻转:  390垂直翻转耗时：方法1:  425;方法2:  178;原位翻转:  434矩阵大小: 76行*76列水平翻转耗时：方法1:  361;方法2:  188;原位翻转:  402垂直翻转耗时：方法1:  433;方法2:  183;原位翻转:  445矩阵大小: 109行*109列水平翻转耗时：方法1:  360;方法2:  180;原位翻转:  397垂直翻转耗时：方法1:  411;方法2:  174;原位翻转:  440矩阵大小: 142行*142列水平翻转耗时：方法1:  357;方法2:  176;原位翻转:  406垂直翻转耗时：方法1:  413;方法2:  173;原位翻转:  456矩阵大小: 175行*175列水平翻转耗时：方法1:  353;方法2:  173;原位翻转:  403垂直翻转耗时：方法1:  412;方法2:  171;原位翻转:  452矩阵大小: 208行*208列水平翻转耗时：方法1:  359;方法2:  176;原位翻转:  408垂直翻转耗时：方法1:  417;方法2:  173;原位翻转:  455矩阵大小: 241行*241列水平翻转耗时：方法1:  349;方法2:  171;原位翻转:  400垂直翻转耗时：方法1:  411;方法2:  170;原位翻转:  449矩阵大小: 274行*274列水平翻转耗时：方法1:  346;方法2:  173;原位翻转:  400垂直翻转耗时：方法1:  406;方法2:  167;原位翻转:  448矩阵大小: 307行*307列水平翻转耗时：方法1:  343;方法2:  170;原位翻转:  400垂直翻转耗时：方法1:  402;方法2:  168;原位翻转:  443矩阵大小: 340行*340列水平翻转耗时：方法1:  360;方法2:  174;原位翻转:  420垂直翻转耗时：方法1:  410;方法2:  169;原位翻转:  447矩阵大小: 373行*373列水平翻转耗时：方法1:  460;方法2:  259;原位翻转:  398垂直翻转耗时：方法1:  512;方法2:  261;原位翻转:  443矩阵大小: 406行*406列水平翻转耗时：方法1:  456;方法2:  262;原位翻转:  403垂直翻转耗时：方法1:  516;方法2:  255;原位翻转:  452矩阵大小: 439行*439列水平翻转耗时：方法1:  450;方法2:  248;原位翻转:  401垂直翻转耗时：方法1:  500;方法2:  249;原位翻转:  445矩阵大小: 472行*472列水平翻转耗时：方法1:  453;方法2:  269;原位翻转:  402垂直翻转耗时：方法1:  513;方法2:  265;原位翻转:  450矩阵大小: 505行*505列水平翻转耗时：方法1:  433;方法2:  252;原位翻转:  390垂直翻转耗时：方法1:  489;方法2:  249;原位翻转:  436矩阵大小: 538行*538列水平翻转耗时：方法1:  440;方法2:  247;原位翻转:  398垂直翻转耗时：方法1:  497;方法2:  247;原位翻转:  444矩阵大小: 571行*571列水平翻转耗时：方法1:  443;方法2:  256;原位翻转:  397垂直翻转耗时：方法1:  496;方法2:  248;原位翻转:  440矩阵大小: 604行*604列水平翻转耗时：方法1:  439;方法2:  252;原位翻转:  402垂直翻转耗时：方法1:  494;方法2:  248;原位翻转:  438矩阵大小: 637行*637列水平翻转耗时：方法1:  436;方法2:  244;原位翻转:  397垂直翻转耗时：方法1:  488;方法2:  242;原位翻转:  432矩阵大小: 670行*670列水平翻转耗时：方法1:  427;方法2:  243;原位翻转:  384垂直翻转耗时：方法1:  483;方法2:  238;原位翻转:  427矩阵大小: 703行*703列水平翻转耗时：方法1:  449;方法2:  257;原位翻转:  403垂直翻转耗时：方法1:  527;方法2:  260;原位翻转:  459矩阵大小: 736行*736列水平翻转耗时：方法1:  432;方法2:  246;原位翻转:  395垂直翻转耗时：方法1:  493;方法2:  245;原位翻转:  440矩阵大小: 769行*769列水平翻转耗时：方法1:  452;方法2:  258;原位翻转:  409垂直翻转耗时：方法1:  518;方法2:  256;原位翻转:  458矩阵大小: 802行*802列水平翻转耗时：方法1:  434;方法2:  248;原位翻转:  392垂直翻转耗时：方法1:  492;方法2:  248;原位翻转:  433矩阵大小: 835行*835列水平翻转耗时：方法1:  415;方法2:  240;原位翻转:  372垂直翻转耗时：方法1:  466;方法2:  234;原位翻转:  416矩阵大小: 868行*868列水平翻转耗时：方法1:  427;方法2:  247;原位翻转:  388垂直翻转耗时：方法1:  478;方法2:  239;原位翻转:  433矩阵大小: 901行*901列水平翻转耗时：方法1:  448;方法2:  262;原位翻转:  400垂直翻转耗时：方法1:  499;方法2:  251;原位翻转:  449矩阵大小: 934行*934列水平翻转耗时：方法1:  422;方法2:  248;原位翻转:  380垂直翻转耗时：方法1:  477;方法2:  237;原位翻转:  426矩阵大小: 967行*967列水平翻转耗时：方法1:  436;方法2:  257;原位翻转:  388垂直翻转耗时：方法1:  493;方法2:  248;原位翻转:  438