Matlab从含数字块的行向量提取值与索引构建2×m矩阵方法

架构老林

2026-8-30

问题根因

原有实现的边界检测逻辑仅识别0→非零的上升跳变和非零→0的下降跳变，默认所有非零数字块都被0分隔，因此遇到两个数值不同的非零块直接相邻（无0间隔）时，无法识别块间分界，最终导致块漏检。同时原有逻辑需要额外判断末尾块的边界，分支冗余，执行效率低。

鲁棒高效实现方案

核心逻辑是直接识别所有连续同值块，再过滤掉值为0的块即可，完全不依赖0作为块分隔标记，天然兼容无0分隔的相邻非零块场景，全程使用Matlab内置向量化函数，无循环、无冗余边界补全分支，执行效率高。

% 统一将输入转为行向量，兼容列向量输入
A = A(:).';
vec_len = length(A);
% 标记所有块起始位置：相邻值不同的位置即为新块起点
block_start_mask = [true, diff(A) ~= 0];
% 为每个连续同值块分配唯一ID
block_id = cumsum(block_start_mask);
% 按块聚合计算：第一行存块的数值，第二行存块平均索引向下取整的结果
block_val = splitapply(@(x)x(1), A, block_id);
block_avg_idx = splitapply(@(idx)floor(mean(idx)), 1:vec_len, block_id);
% 过滤值为0的块，得到最终输出
out = [block_val(block_val~=0); block_avg_idx(block_val~=0)];

效果验证

测试用例1（非零块均被0分隔）：
输入A = [0 0 1 1 1 1 0 0 0 0 22 22 22 0 0 6 6 6 6 6 0 1 1]，输出为：
```
out =
    1    22     6     1
    4    12    18    22
```
与预期结果完全一致。
测试用例2（存在无0分隔的相邻非零块）：
输入A = [0 0 1 1 1 1 0 0 0 0 22 22 22 0 0 6 6 6 6 6 1 1]，输出为：
```
out =
    1    22     6     1
    4    12    18    21
```
与预期结果完全一致，不会漏检末尾无0分隔的1值块。