VC与Matlab混合编程总结.pptVIP

VC和Matlab混合编程总结  引言 对于计算机图形学的研究,有一些工具软件是我们需要了解和掌握的: Visual C++ Matlab ACIS …… 引言 Visual C++ 基本的编程实现平台(OpenGL) 编译语言,代码运行速度快 可脱离开发平台运行,易于工程中使用 代码编制复杂,不适合算法设计初期使用 缺少通用的常用数值运算功能(矩阵…) 引言 Matlab 解释语言,易于实现,适用于算法设计 具有常用的数值运算功能 代码运行速度慢 不能脱离Matlab开发平台运行 对比 在VC中实现二维矩阵的存储和输出: 矩阵相加,相乘,求逆,稀疏矩阵…… 对比 在Matlab中实现二维矩阵的相关操作 但是Matlab运行速度要比VC慢几百倍 VC和Matlab的混合编程 有多种方法可以进行VC和Matlab的混合编程: VC调用Matlab引擎 matlab程序编译为dll c++程序编译为mex VC调用Matlab c Math Library VC调用Matlab c++ Math Library COM …… 在VC中调用Matlab C++ Math Library实现二维矩阵的操作: 编程方便,有数值运算库;速度快 ? Step by Step… 下面考虑将C++的数组转换为Matlab C++ Math Library的mwArray结构 可以方便地利用mwArray结构,建立顶点相关边长权稀疏矩阵,进行三角网格数据的相关操作 我们还可以不安装Matlab的开发环境,就能使用它的数学库函数 首先看看具体开发工具的设置: 应用举例 求三角网格表面的近似测地线 切原始网格的边,迭代算法,数据结构复杂,直接用VC实现困难 计算量大,一万顶点网格的顶点邻接矩阵的规模为108,直接用Matlab实现算法速度太慢 * * double matrix[3][3] = {1,2,3,4,5,6,7,8,9}; for (int i=0;i3;i++) { for (int j=0;j3;j++) coutmatrix[i][j] ; cout\n; } ? ? a = [1 2 3;4 5 6;7 8 9]; b = 2*a c = a*b inv(a) sparse(a) 矩阵初始化赋初值 矩阵与标量的相乘 矩阵乘法 矩阵求逆 稀疏矩阵的实现 ? 能否结合VC和Matlab的优点? VC和Matlab混合编程! mwArray a,b,c; a = ones(10,10); b = randon(10,10); c = a*b; c=inv(c); c=sparse(c) 矩阵变量定义 矩阵初始化 矩阵初始化 矩阵乘法 矩阵求逆 稀疏矩阵的实现 I Matlab C++ Math Library! 1 将Matlab\extern\include下所有的头文件打包为include.rar,解压缩到用户目录/test下 2 将mglinstaller.exe文件复制到用户目录/test下,并运行解压缩出动态库 3 在VC的Tools-Options中将上述的头文件和库文件目录加入到Directory下 4 新建工程,按照下面的图片依次设置 5 在程序中#include matlab.hpp 现在可以使用 Matlab C++ Math Library 了!!! int Faces[4][3] = {1,2,3,2,4,3,3,4,6,4,5,6}; double Vertexs[6][3]={0,0,0,1,1,0,1,-1,0,2,-0.2, 0,3,-0.8,0,2.8,1,0}; // 将网格顶点数据附为mwArray类型变量 mwArray mVertexes = zeros(6,3); for (i=1;i=6;i++) for (j=1;j=3;j++) mVertexes(i,j) = Vertexs[i-1][j-1]; // 将网格顶点数据附为mwArray类型变量 mwArray mFaces = zeros(4,3); for (i=1;i=4;i++) for (j=1;j=3;j++) mFaces(i,j) = Faces[i-1][j-1]; // 获得顶点相关边长权稀疏矩阵 mwArray v2v = sparse(zeros(6,6)); for (i=1;i=4;i++) // 对面遍历 { mwArray v1 = mFace