MEX实现

除了在Matlab的命令行中编译MEX，另一种方法是使用CMake工具。使用CMake可能有利于构建大型MEX项目或构建具有大量外部依赖项的MEX。此示例展示了如何使用CMake轻松编译Matlab MEX。要在Linux下编译测试MEX，首先将MATLAB_ROOT环境变量设置为您安装的Matlab路径，例如：export MATLAB_ROOT=/usr/local/MATLAB/R2012b，然后，创建构建目录：mkdir build，接着执行：cmake ../src和make进行编译并安装。要在Windows下编译测试MEX，首先设置MATLAB_ROOT环境变量，然后根据安装的编译器（如MSVC）使用cmake或cmake-gui生成构建项目，接着使用该编译器构建生成的项目。测试MEX源代码。

MLDIVIDE提供了一个优秀的稀疏矩阵三对角矩阵求解器，以及Thomas算法的其他实现（详见下文），但我需要更快的方法来解决复杂数据的三对角系统。在我的系统（R2018b）上，这种方法比MLDIVIDE或MATLAB中的直接实现快四倍。它使用AVX指令处理复数交错操作，编译后只需将其添加到路径上即可使用：“mex -R2018a 'CFLAGS=-mavx' tdma.c”。

这是F. Brun等人提出的环去除滤波器的一个实现（包含演示图像）。该方法提供了一种在重建的断层扫描图像中去除环形伪影的有效改进方法，具体见其论文《CT环去除(Brun et al., 2009)》，IFMBE Proceedings, 25(4):926-929。

该项目提供一个 C mex 文件，用于连接 Matlab 和 Motive (Optitrack 相机系统)。利用该文件，用户能够在 Matlab 环境下直接访问和控制 Motive 软件提供的功能，实现数据采集、分析和处理等操作。

Matlab开发中，配置Interlfortrand和MSVSnet以支持MEX。这些设置包括英特尔Fortran和网络额外的MEX支持。

这篇文章介绍了图像矩阵Matlab代码的C++实现，用于解决稀疏线性分配问题（LAP）。这是Florian Bernard原始MEX代码的C++接口，实现了Bertsekas的稀疏LAP拍卖算法。我们演示了如何使用SuiteSparse Matrix Collection构建稀疏矩阵，并展示了C++和MEX代码的应用。为了解决示例LAP，需要按照以下步骤操作：（1）从UFget网站下载数据，并将其添加到Matlab搜索路径；（2）运行Matlab文件，将稀疏模式写入Data/UFmat_XXXX.dat文件；（3）构建Florian的auctionAlgorithmSparseMex.cpp到MEX函数并调用，解决示例LAP；（4）在Data目录中生成LAP文件后，通过C++代码运行解决方案。

matlab2fmex.m 工具可以将包含数值计算的 MATLAB m 文件转换为 Fortran90 MEX 文件。

介绍了一种高效的计算多维数组线性索引的方法，该方法利用MEX技术实现了C语言代码与MATLAB的接口调用，相较于MATLAB内置的sub2ind函数，该方法在处理大规模数据时展现出显著的性能优势。经测试，该方法的计算速度相较于sub2ind函数提升显著，尤其在处理高维数组时优势更为明显。该方法的实现代码简洁易懂，方便用户根据实际需求进行修改和扩展。

Matlab开发：项目生成器提供了便捷的方式来创建和调试MEX文件。

Matlab开发中集成Intel Fortran 9.1的MEX选项文件建议。