用于循环将matrix拆分为相等大小的子matrix
给定一个尺寸为400x400的矩形matrix，我将如何使用for循环将其分解为20x20组成子matrix？ 我什至不能想从哪里开始！
我想我想要的东西是这样的：
[x,y] = size(matrix) for i = 1:20:x for j = 1:20:y
但我不确定如何继续。 思考？
那么，我知道海报明确地要求一个for循环，而Jeff Mather的回答恰恰提供了这个。
但是我还是很好奇，是否有可能将一个matrix分解成给定大小的矩形（子matrix），而没有循环。 如果别人也好奇，我想到了：
T = permute(reshape(permute(reshape(A, size(A, 1), n, []), [2 1 3]), n, m, []), [2 1 3])
将二维数组A转换成三维数组T ，其中每个二维片T(:, :, i)是大小为m × n的片之一。 第三个索引枚举标准Matlab线性化顺序中的瓦片，瓦片行首先。
变种
T = permute(reshape(A, size(A, 1), n, []), [2 1 3]); T = permute(reshape(T, n, m, [], size(T, 3)), [2 1 3 4]);
使T成为一个四维数组，其中T(:, :, i, j)给出了二维切片的瓦片索引i, j 。
提出这些expression式有点像解决一个滑动的谜题。 😉
我很抱歉，我的答案也没有使用for循环，但这也可以做到这一点：
cellOf20x20matrices = mat2cell(matrix, ones(1,20)*20, ones(1,20)*20)
然后你可以访问单个单元格，如：
cellOf20x20matrices{i,j}(a,b)
其中i，j是要获取的子matrix（如果需要，a，b是对该matrix的索引）
问候
你看起来真的很近 按照你所描述的问题来使用这个问题（400×400，分成20×20块），这不是你想要的吗？
[x,y] = size(M); for i = 1:20:x for j = 1:20:y tmp = M(i:(i+19), j:(j+19)); % Do something interesting with "tmp" here. end end
即使这个问题基本上是由A. Donda的答案所启发的2Dmatrix，我想扩展他对3Dmatrix的答案，以便这种技术可以用于裁剪真彩色图像（3D）
A = imread('peppers.png'); %// size(384x512x3) nCol = 4; %// number of Col blocks nRow = 2; %// number of Row blocks m = size(A,1)/nRow; %// Sub-matrix row size (Should be an integer) n = size(A,2)/nCol; %// Sub-matrix column size (Should be an integer) imshow(A); %// show original image out1 = reshape(permute(A,[2 1 4 3]),size(A,2),m,[],size(A,3)); out2 = permute(reshape(permute(out1,[2 1 3 4]),m,n,[],size(A,3)),[1 2 4 3]); figure; for i = 1:nCol*nRow subplot(nRow,nCol,i); imshow(out2(:,:,:,i)); end
基本的想法是使第三维不受影响，同时重塑，使图像不失真。 为了达到这个目的，需要进行额外的置换来交换第3和第4维。 一旦这个过程完成，尺寸恢复原样，通过排列回来。
结果：
原始图像
子图（分区/子matrix）
这种方法的优点是，它也适用于2D图像。 这是一个灰度图像（2D）的例子。 此处使用的示例是MatLab内置图像'cameraman.tif'
对于使用嵌套调用进行permute的答案，我想到了计时，并与使用mat2cell的其他答案进行比较。
确实，他们没有回报完全一样的东西，但是：
- 细胞可以很容易地转换成一个像另一个matrix（我定时了这一点，进一步看下去）;
- 当这个问题出现的时候，根据我的经验，把数据放在一个单元里是可取的，因为以后往往会把原来的数据放在一起。
无论如何，我已经将它们与以下脚本进行了比较。 代码运行在八度（版本3.9.1）JIT禁用。
function T = split_by_reshape_permute (A, m, n) T = permute (reshape (permute (reshape (A, size (A, 1), n, []), [2 1 3]), n, m, []), [2 1 3]); endfunction function T = split_by_mat2cell (A, m, n) l = size (A) ./ [mn]; T = mat2cell (A, repmat (m, l(1), 1), repmat (n, l (2), 1)); endfunction function t = time_it (f, varargin) t = cputime (); for i = 1:100 f(varargin{:}); endfor t = cputime () - t; endfunction Asizes = [30 50 80 100 300 500 800 1000 3000 5000 8000 10000]; Tsides = [2 5 10]; As = arrayfun (@rand, Asizes, "UniformOutput", false); for d = Tsides figure (); t1 = t2 = []; for A = As A = A{1}; s = rows (A) /d; t1(end+1) = time_it (@split_by_reshape_permute, A, s, s); t2(end+1) = time_it (@split_by_mat2cell, A, s, s); endfor semilogy (Asizes, [t1(:) t2(:)]); title (sprintf ("Splitting in %i", d)); legend ("reshape-permute", "mat2cell"); xlabel ("Length of matrix side (all squares)"); ylabel ("log (CPU time)"); endfor
请注意，Y轴是对数刻度
性能
性能方面，对于较小的matrix，使用嵌套排列只会更快，相对性能的巨大变化实际上是时间的微小变化。 请注意，Y轴是对数刻度 ，因此100x100matrix的两个函数之间的差异是0.02秒，而对于10000x10000matrix，则是100秒。
我也testing了下面这些将单元格转换成matrix，以便两个函数的返回值是相同的：
function T = split_by_mat2cell (A, m, n) l = size (A) ./ [mn]; T = mat2cell (A, repmat (m, l(1), 1), repmat (n, l (2), 1), 1); T = reshape (cell2mat (T(:)'), [mn numel(T)]); endfunction
这确实减慢了一点，但还不足以考虑（这些行将以600×600而不是400×400交叉）。
可读性
要想使用嵌套排列和重塑是非常困难的。 这很疯狂使用它。 它会增加很多维护时间（但是，嘿，这是Matlab语言，它不应该是优雅的，可重用的）。
未来
嵌套调用置换不会很好地扩展到N维。 我想这将需要一个循环的维（这不会帮助所有已经相当神秘的代码）。 另一方面，利用mat2cell：
function T = split_by_mat2cell (A, lengths) dl = arrayfun (@(l, s) repmat (l, s, 1), lengths, size (A) ./ lengths, "UniformOutput", false); T = mat2cell (A, dl{:}); endfunction
编辑（也在Matlab中testing）
build议使用排列和重塑的答案upvotes的数量让我如此好奇，我决定在Matlab（R2010b）得到这个testing。 那里的结果几乎是一样的，也就是说，performance真的很差。 所以除非这个操作要做很多次，在matrix中总是很小（小于300×300），总会有一个Matlab大师来解释它的作用，不要用它。
如果你想使用for循环，你可以这样做：
[x,y] = size(matrix) k=1; % counter for i = 1:20:x for j = 1:20:y subMatrix=Matrix(i:i+19, j:j+19); subMatrixCell{k}=subMatrix; % if you want to save all the % submatrices into a cell array k=k+1; end end
