徐海蛟：Matlab计算大规模图片数据集的L1距离

比较两幅图片之间的距离或者相似性，我们常以Matlab pdist函数或者pdist2函数计算。计算大规模图片数据集的两两图片之间的距离，很自然想到双重for循环完成了。不过，这很慢:

function KMatrix = getL1( X, Y ) %L1距离

m = size(X,1);  n = size(Y,1);

KMatrix = zeros(m,n);

for i = 1: m %按行

for j = 1: n

KMatrix(i,j) = sum( abs( X(i,:)-Y(j,:)) );

end

fprintf('%d.',i); if mod(i,10)==0, fprintf('\n'); end

end

其中，X、Y分别是图片集X、Y的特征文件矩阵。

以L1距离为例，特征文件是4096维的RGB彩色描述子,两万幅图片之间的L1距离矩阵20000×20000，在 8CPU + 16GB内存的X64 Windows 7系统上计算，MATLAB 2012b运行时间5小时。比较慢。

向量化是一个考虑。不过，童鞋们，如何向量化呢？这个比起点积要复杂一点点。通过一行一行计算距离，去掉一个内循环:

function KMatrix = getL1( X, Y ) %L1距离 向量化

m