在每个循环的R-in中自动创建和使用自定义函数 - 将结果存储在一个DF-3D阵列中

Question

几天前，我问这个主题是关于在一个循环中调用一个自定义函数，该循环可以通过组合很好地解决

 eval(parse(text = Function text))

这是链接：Automatic creation and use of custom made function in R。这允许我使用for loop并从存储要创建的函数体的Data框架中自动调用我需要的函数。

现在我想将问题提升到一个新的水平。我的问题是计算时间。我需要评估来自超声类图像的52个指数。这意味着在R中我的高光谱图像被加载为512x512x204波段的3d数组。

我想要做的是并行运行索引的评估以减少计算时间。这里是我想要模仿的虚拟示例，但不是并行计算。

# create a fake  matrix rappresenting my Hyperpectral image
HYPR_IMG=array(NA,dim=c(5,3,4))
HYPR_IMG[,,1]=1
HYPR_IMG[,,2]=2
HYPR_IMG[,,3]=3
HYPR_IMG[,,4]=4

image.plot(HYPR_IMG[,,1], zlim=c(0,20))
image.plot(HYPR_IMG[,,2], zlim=c(0,20))
image.plot(HYPR_IMG[,,3], zlim=c(0,20))
image.plot(HYPR_IMG[,,4], zlim=c(0,20))




#create a fake DF for simulating my indices stored in the dataframe
IDXname=c("IDX1","IDX2","IDX3","IDX4")
IDXFunc=c("HYPR_IMG[,,1] + 3*HYPR_IMG[,,2]",
          "HYPR_IMG[,,3] + HYPR_IMG[,,2]",
          "HYPR_IMG[,,4] + HYPR_IMG[,,2] - HYPR_IMG[,,3]",
          "HYPR_IMG[,,1] + HYPR_IMG[,,4] + 4*HYPR_IMG[,,2] + HYPR_IMG[,,3]")
IDX_DF=as.data.frame(cbind(IDXname,IDXFunc))


# that was what I did before
Store_DF=data.frame(NA)
for (i in 1: length(IDX_DF$IDXname)) 
  IDX_ID=IDX_DF$IDXname[i]
  IDX_Fun_tmp=IDX_DF$IDXFunc[which(IDX_DF$IDXname==IDX_ID)] #use for extra care to select the right fuction
  IDXFunc_call=paste("IDXfun_tmp=function(HYPR_IMG)",IDX_Fun_tmp,"",sep="")
  eval(parse(text = IDXFunc_call))
  IDX_VAL=IDXfun_tmp (HYPR_IMG)
  image.plot(IDX_VAL,zlim=c(0,20)); title(main=IDX_ID) 
  temp_DF=as.vector(IDX_VAL)
  Store_DF=cbind(Store_DF,temp_DF)
  names(Store_DF)[i+1] <- as.vector(IDX_ID)

我的最终目标是拥有相同的Store_DF，存储所有指数值。在这里我有一个for循环，但使用foreach循环的东西应该加快。如果需要，我正在使用Windows 8或更多操作系统。

真的有可能吗？我能否在最后，减少具有相同Store_DF数据帧的整体计算时间或类似于具有列名称的矩阵的类似物？

非常感谢！！！

在每个循环的R-in中自动创建和使用自定义函数 - 将结果存储在一个DF-3D阵列中

编辑：使用foreach包