瓷砖文档
瓷砖确定用于将矩阵划分为多个瓦片的指标。
内容
语法
(行,坳)=瓷砖(A, maxsiz)[行,坳]=瓷砖(siz maxsiz)[行,坳]=瓷砖(…,重叠,重叠)[行,坳,h_rect h_txt] =瓷砖(…,“展示”)
描述
[行，col] =瓷砖（a，maxsiz）返回下标索引排和上校这可以用来除矩阵一个每个tiles的最大大小为%maxsiz．maxsiz可以是描述方形瓷砖的侧面减去的标量，或者maxsiz可以是一个双元素数组，以限制瓦片大小为矩形尺寸。输出排和上校是单元格数组，每个单元格包含一个块的下标索引范围一个．一个可以是2D或3D矩阵，但如果一个是一个3D矩阵，只考虑它的前两个维度在瓦片计算。
(行,坳)=瓷砖(siz maxsiz)瓷砖的大小矩阵奇做成最大尺寸的瓦片maxsiz．
(行,坳)=瓷砖(…,重叠,重叠)指定瓦片重叠的行数和列数。重叠可以是标量或双元素数组。
[行,坳,h_rect h_txt] =瓷砖(…,“展示”)在绘图上显示编号的矩形，显示瓦片。可选的输出h_rect和h_txt.是绘制的矩形和文本标签的句柄。
例子
假设你有这个20x20的矩阵:
y =峰（20）;ImagesC（Y）XLabel'列\ lightarrow'ylabel'\左臂行'
但是20x20对于任何你想应用的处理算法来说都太大了Y．一次处理整个矩阵需要太多的内存，所以你想把它分成更小的，每个不大于5x5的小块。以下是如何做到这一点:
(行,坳)=瓷砖(Y, 5);
现在我们有排和上校如你所见:
谁排上校
Name Size Bytes Class Attributes col 4x4 2432 cell row 4x4 2432 cell
每个4x4单元阵列。每个单元格包含描述单个块的行或列索引Y．例如，第一个贴图的行索引Y是由
行{1}
Ans = 1.00 2.00 3.00 4.00 5.00
在矩阵的图上显示所有的贴图和它们的数字Y通过包括“显示”当你调用时瓷砖：
瓷砖(20 5“显示”）;标题瓦数的
上图显示了我们所期望的，打破20x20矩阵Y分成不超过5行5列的瓦片，得到16个正方形瓦片。现在很容易提取单个贴图。例如，要显示第10个贴图，使用y（行{10}，col {10}）像这样:
图显示亮度图像(col{10},{10}行,Y(行{10},{10})上校)标题“瓦10”包含'列\ lightarrow'ylabel'\左臂行'
大小不均匀
如果大小Y不能完全被最大瓷砖大小整除吗?在这种情况下，生成的tiles将具有不同的大小。
如果您想要的最大瓷砖大小不是方形的呢?在这种情况下，请在窗体中指定最大平铺大小[maxrow maxcol]．
这里是如何指定一个最大的瓷砖大小，不是正方形的，这不会均匀地分割矩阵Y：
图显示亮度图像(Y)包含'列\ lightarrow'ylabel'\左臂行'瓷砖(Y, 4 [9],“显示”）;
指定重叠
对于某些应用程序，有必要有重叠的瓷砖。下面是如何为每个贴图添加额外的行和列，使它们重叠:
图显示亮度图像(Y)包含'列\ lightarrow'ylabel'\左臂行'瓷砖(Y, 6 [9],'重叠'，1，“显示”）;
处理2D网格
假设您有一个Big 2160x4320数据集，并且您希望在瓷砖中处理不大于300x300。加载数据集并获取行r和列c每个瓦:
加载global_topography.mat[r、c] =瓷砖(Z, 300);
处理2D矩阵Z在贴图中，我们将遍历每个8x15=120的贴图，并分别处理每个贴图。在这个例子中，假设我们想要做的是将每个贴图翻转过来。首先preallocatingZf，然后对每个贴图进行操作:
%预分配输出网格:Zf =南(大小(Z));%循环遍历每个贴图:为k = 1：numel（r）zf（r {k}，c {k}）= flipud（z（r {k}，c {k}））;结尾图imagescn(经度,纬度,Zf) cmocean (“威尼斯平底渔船”，“主”）xlabel.“经”ylabel“纬度”标题“每一块瓷砖都翻转过来了”
在3D矩阵上操作
的瓷砖函数的主要目的是帮助处理大型3D网格时间序列，这些时间序列有时会限制计算机的内存。为了说明如何在这样的数据集上使用这个函数，我们将在一个相对较小的网格时间序列上操作，即CDT附带的每月地面压力数据集:
sp = ncread (“ERA_Interim_2017.nc”，'sp'）;lat = ncread（“ERA_Interim_2017.nc”，“纬度”）;lon = ncread（“ERA_Interim_2017.nc”，“经”）;
地面压力数据集为480x241x12。最后的“12”对应着2017年的每一个月。
2017年地表压力中值是什么样子的?对于这样一个小的数据集，我们可以简单地这样做
spm =值(sp, 3);
但是,如果spDataSet更大，我们可能需要将其分解为瓷砖。要将其分解为瓷砖，请说出每个不大于50x50，获取每个瓦片的行和列，如下所示：
[r、c] =瓷砖(sp, 50);
然后计算中位数sp沿着它的第三维，做一些类似于上面的2D例子，但添加一个额外的，:在索引中表示“这些行，这些列，以及第三维上的所有东西”。
首先预期spm，然后沿每个贴图的第三维计算中值:
% Preallocate:spm =南(长度(朗),(lat));%循环遍历每个贴图:为k = 1:元素个数(r) spm (c r k {}, {k}) =值(sp (c r k {}, {k},:), 3);结尾
绘制2017年的中值表面压力，我们刚刚用瓦片计算过:
图imagescn cmocean(经度、纬度、spm的)节奏%设置颜色映射
它看起来是正确的，但我们可以验证平铺的解决方案与all-at-once解决方案匹配，就像这样
isequal (spm),中等(sp, 3))
逻辑1
的1,或真正的价值说是的，平铺的解决方案与非平铺的解决方案相匹配。
作者信息
这个函数是气候数据工具箱的Matlab．功能和辅助文档是由德克萨斯大学奥斯金宝app汀分校的Chad A. Greene编写的。