如何加速红外相机5×5窗口平均滤波的Matlab脚本？

你的脚本性能瓶颈核心在于嵌套for循环的低效执行——Matlab作为解释型语言，手动遍历每个窗口会产生大量解释执行开销，而原生滤波器基于底层优化的编译代码实现，自然速度差距显著。以下是针对你需求的几种优化方案：

方案1：使用图像处理工具箱内置的blockproc函数（推荐） #

blockproc是Matlab专为分块图像操作设计的函数，底层经过高度优化，可直接实现“将图像分成5×5块，每个块替换为块内均值”的逻辑：

sz = 5;
% 定义块处理规则：输入块数据，返回全为块均值的同尺寸矩阵
block_func = @(block_data) repmat(mean(block_data.data(:)), sz, sz);

if rir_filter_reset
    rir_filter_output = blockproc(rir_filter_input, [sz sz], block_func);
end

若图像尺寸不是5的整数倍，blockproc会自动处理边缘块（可通过参数调整边缘策略），比原脚本的手动填充更可靠。

方案2：纯向量化矩阵运算（不依赖工具箱） #

利用Matlab的矩阵重塑特性，完全规避循环，通过批量计算提升效率：

sz = 5;
[h, w] = size(rir_filter_input);

if rir_filter_reset
    % 将图像按5行一组拆分，计算每组块的均值
    block_rows = reshape(rir_filter_input, sz, [], w);
    block_means = mean(block_rows, 1);
    % 将均值扩展为5×5块，再重组回原图像尺寸
    rir_filter_output = reshape(repmat(block_means, sz, 1, 1), h, w);
end

该方法通过一次矩阵运算完成所有块的均值计算，效率远高于循环实现。

注意：若需求是滑动窗口均值滤波（而非分块） #

如果你的实际需求是每个像素取5×5邻域的均值（与软件原生窗口平均逻辑一致），原脚本逻辑并不匹配，此时应使用内置滤波函数：

sz = 5;
% 创建均值滤波核
filter_kernel = fspecial('average', [sz sz]);
% 执行滑动窗口滤波，'same'保证输出尺寸与输入一致
rir_filter_output = imfilter(rir_filter_input, filter_kernel, 'same');

或者用conv2实现：

sz = 5;
kernel = ones(sz, sz)/(sz*sz);
rir_filter_output = conv2(rir_filter_input, kernel, 'same');

这些内置函数支持多线程加速，速度比手动循环快数十倍甚至上百倍。

内容的提问来源于stack exchange，提问作者dduon