Когда есть желание пользоваться m-файлами на стороне, например, впихнуть хорошо работающие методы аппроксимации из Curve Fitting Toolbox в какую нибудь стороннюю свою разработку, можно скомпилировать dll-библиотеку и использовать ее по своему разумению.
Данная статья — кратко по шагам действия.
Инструменты:
-
MATLAB 2022a
-
MATLAB Compiler Runtime
-
-
VS Community C# 2020
Итак, приступим.
Сборка DLL
В матлабе создаем m-файл с желаемой функцией, например такой
function koeffs = solve_lsm(n,x,y,wts) str = strcat('poly',num2str(n)); opts = fitoptions('Weights',wts); ftype = fittype(str); result = fit(x',y',ftype,opts); koeffs = coeffvalues(result)'; end
В командной строке матлаба вызываем deploytool, в окошке выбираем Library Compiler

В появившемся окне указываем данные: название библиотеки, версия, разработчик и другие. Из важного:
-
Окошко TYPE выбираем «.NET Assembly»
-
Окошко EXPORTED FUNCTIONS добавляем m-файлы с нужными нам функциями.
-
Внизу поле Class Name задаем имя класса, содержащего создаваемые нами фунции
-
Так же по желанию можно выбрать способ загрузки Matlab Runtime

Нажимаем галочку Package

Формируются папки:

В папке for_redistribution можно запустить MyAppInstaller_web.exe, чтобы установить Matlab Runtime, который распространяется бесплатно и, соответственно, на компьютерах пользователей вашим ПО с созданной DLL не нужны дополнительные лицензии, достаточно установить Matlab Runtime и Framework.
Подключение DLL в проект VS C# 2020
Создаем консольное приложение (.NET Framework)

Подключаем две библиотеки: созданную нами LSMLib и поставляемую вместе с Matlab библиотеку MVArray. По умолчанию она находится тут: MATLAB\R2022a\toolbox\dotnetbuilder\bin\win64\v4.0\

using MathWorks.MATLAB.NET.Arrays; using MathWorks.MATLAB.NET.Utility; using LSMLib;
Пишем код, что-то вроде этого:
//пример массивов, которые будем аппроксимировать double n = 3; double[] x = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15 }; double[] y = {3,5,4,6,7,7,4,5,6,7,8,9,6,6,7}; double[] wts = {1,1,1,1,1,1,1,1,1,1,1,1,1,1,1}; //вызов нашей функции из библиотеки LSMLib.LSMLib test = new LSMLib.LSMLib(); MWArray res = test.solve_lsm((MWArray)n, (MWNumericArray)x, \ (MWNumericArray)y, (MWNumericArray)wts);
Если нужно преобразовать массив матлаба в список, можно сделать например так:
//обработка возвращаемых коэффициентов и перевод их в обычный список var array = (MWNumericArray)res; var dd = (double[,])array.ToArray(MWArrayComponent.Real); List<double> koeffs = new List<double>(); for (int i = 0; i < dd.Length; i++) { koeffs.Add(dd[i, 0]); }
Компилируем. Обязательно выбираем среду, у меня x64
Исходник на гитхабе
Литература:
ссылка на оригинал статьи https://habr.com/ru/post/661223/
Добавить комментарий