Как сравнить все патчи на двух изображениях в Matlab?

Вы можете использовать im2col для извлечения всех исправлений.

pA = im2col( A, [5 5], 'sliding' );
pB = im2bol( B, [5 5], 'sliding' );
% compute squared difference
D = sum( bsxfun( @minus, permute( pA, [2 3 1] ), permute( pB, [3 2 1] ) ).^2, 3 );

Кстати, если вам не нужны ВСЕ расстояния и вы готовы пойти на компромисс для приближения для k ближайших соседей, вы можете найти PatchMatch очень полезен:
Это приблизительный алгоритм k ближайших соседей, адаптированный для патчей изображений. Он очень эффективен с точки зрения использования памяти (пространства) и очень быстр.

Как упомянул Михаил, вы действительно проделали потрясающую работу. На самом деле не так уж много можно улучшить.

Есть только несколько незначительных вещей, которые вы можете сделать:

1. поменять местами порядок обработки матриц
2. поменять порядок циклов

Поскольку A меньше, чем B, изменение порядка обработки заставит bsxfun выполнять большую часть тяжелой работы. Поскольку это «ближе к кремнию», чем JIT-цикл MATLAB, это будет выгодно.

Выполнение простого теста tic...toc с A = rand(255) и B = rand(10) (у меня нет всего дня! :) дает

Elapsed time is 3.460361 seconds.  %// original processing order
Elapsed time is 1.629848 seconds.  %// inverted processing order 

В вашем случае разница будет меньше, конечно, но это может быть существенно.

Переключение порядка цикла (перебор строк во внутреннем цикле, столбцов во внешнем цикле) работает, потому что MATLAB хранит данные в порядке столбцов. Изменение порядка означает, что вычисление смещения указателя может быть повторно использовано во внутреннем цикле, что требует меньшего количества операций. Обычно это может иметь разницу до ~ 30%, однако последние версии MATLAB значительно улучшили это (до сих пор не знаю, как), и вы используете не 1 столбец, а 5... так что это, вероятно, не будет как значительный.

Выполнение того же теста с другим порядком цикла дает:

Elapsed time is 3.462599 seconds. %// original loop order
Elapsed time is 3.272909 seconds. %// inverted loop order

Соединяем все:

Elapsed time is 1.571496 seconds. %// Both optimizations implemented

Мой код:

%// random data for testing
A = rand(255);
B = rand(10);
threshold = rand;

[rowA, colA] = size(A);
[rowB, colB] = size(B);

patch_long = zeros(5,5, (rowA-4)*(colA-4));

tic

%// re-arrange A into 3D array of 5×5 patches 
idx = 1;
for jj = 1:colA-4     
    c = jj:jj+4;      %// re-use column indices
    for ii = 1:rowA-4 %// inner loop is over the rows

        patch_long(:,:,idx) = A(ii:ii+4, c);        
        idx = idx+1;

    end

end

%// The heavy lifting
for n = 1:colB-4     %// let bsxfun do more work; loop over smallest array here
    c = n:n+4;       %// re-use column indices
    for m = 1:rowB-4 %// inner loop is over the rows

        temp1 = bsxfun(@minus, B(m:m+4, c), patch_long);
        count = sum( sum(temp1.^2) <= threshold );

    end
end

toc

Обратите внимание, что я не использовал parfor, просто чтобы все было доступно для копирования для всех. Использование parfor в реальной задаче дает мне

Elapsed time is 387.802798 seconds. %// original version, but without parfor
Elapsed time is 362.991760 seconds. %// both optimizations, WITH parfor

но я думаю, что это в основном потому, что мой рабочий ПК довольно плохой (AMD-A6 3650 APU).