如何将Matlab R2018a中的复杂矩阵传输至Eigen库？

嘿，我之前也碰到过这个需求，其实不用分开处理实部和虚部——Matlab的复数矩阵在内存里是连续存储实部+连续存储虚部的布局，而Eigen的std::complex<double>类型刚好是按[实部, 虚部]的顺序在内存中排列，再加上两者默认都是列优先存储，所以我们可以直接用Eigen的Map工具一次性完成整个复数矩阵的映射，既简洁又高效。

具体实现步骤： #

1. 获取Matlab复数矩阵的内存指针与维度
   Matlab的mxGetPr()返回的是整个复数矩阵数据的起始地址：前半段是所有元素的实部，后半段紧接着是所有元素的虚部。我们可以直接把这个指针转换成std::complex<double>*类型，因为两者的内存布局完全兼容。
2. 用Eigen::Map直接映射复数矩阵
   利用Eigen的Map类，直接将Matlab的内存块映射成Eigen的MatrixXcd（动态大小的复数矩阵），不需要额外拷贝数据。

完整代码示例： #

// 从Matlab获取复数矩阵的维度与数据指针
mwSize M = mxGetM(prhs[1]);  // 行数
mwSize N = mxGetN(prhs[1]);  // 列数
std::complex<double>* matlab_complex_data = reinterpret_cast<std::complex<double>*>(mxGetPr(prhs[1]));

// 直接映射成Eigen的复数矩阵（列优先，和Matlab一致）
Eigen::Map<Eigen::MatrixXcd> eigen_complex_mat(matlab_complex_data, M, N);

// 现在就可以直接对eigen_complex_mat进行各种Eigen的复数矩阵运算了
// 示例运算：
Eigen::MatrixXcd result = eigen_complex_mat.inverse() * eigen_complex_mat.transpose();

注意事项： #

• 如果传入的Matlab矩阵是实数矩阵，mxGetPi()会返回NULL，这时候需要做个判断避免访问未分配的虚部内存：

  if (mxIsComplex(prhs[1])) {
      // 处理复数矩阵
      std::complex<double>* matlab_complex_data = reinterpret_cast<std::complex<double>*>(mxGetPr(prhs[1]));
      Eigen::Map<Eigen::MatrixXcd> eigen_complex_mat(matlab_complex_data, M, N);
  } else {
      // 处理实数矩阵，先映射为实数矩阵再转复数
      double* matlab_real_data = mxGetPr(prhs[1]);
      Eigen::Map<Eigen::MatrixXd> eigen_real_mat(matlab_real_data, M, N);
      Eigen::MatrixXcd eigen_complex_mat = eigen_real_mat.cast<std::complex<double>>();
  }
  

• 确保你的Eigen版本支持std::complex类型的矩阵运算（Eigen 3.3及以上版本都支持）。
• 这里只是做内存映射，没有拷贝数据，原矩阵的内存管理依然由Matlab负责，不需要手动释放。

内容的提问来源于stack exchange，提问作者avgn