C#实战：如何高效将三维数组导出为MATLAB .mat文件

共计 2409 个字符，预计需要花费 7 分钟才能阅读完成。

科学计算中的数据交换痛点

在计算机视觉、流体仿真等领域，我们经常遇到这样的场景：用 C# 处理完三维点云或仿真数据后，需要交给 MATLAB 进行可视化或进一步分析。这时候就会遇到两个典型问题：

1. 数据格式鸿沟：MATLAB 默认使用.mat 二进制格式，而 C# 原生不支持这种格式
2. 维度保持难题：三维数组在内存中的布局方式与 MATLAB 预期可能不一致

我曾在一个点云处理项目中，因为直接导出 CSV 导致 Z 轴数据丢失，不得不重新计算了整整两天的数据——这就是为什么要掌握正确的.mat 导出方法。

技术方案选型

方案一：原生 BinaryWriter

理论上可以用 BinaryWriter 手动写入 MATLAB 的格式规范（参考 MATLAB 官方文档的格式说明），但存在三大硬伤：

• 需要自己处理复杂的头文件结构
• 极易出错的数据对齐要求
• 不支持压缩格式

除非有特殊需求，否则不建议走这条路。

方案二：MathNet.Numerics.Data.Matlab

这是 MathNet 生态的专门模块，优势在于：

• 语法简洁
• 良好的文档支持
• 与 MathNet 其他数值计算组件天然兼容

但实测发现其三维数组支持有限，适合处理二维矩阵。

方案三：MatlabIO

最终选择的这个 NuGet 包（全称 MatlabIO）具有以下特点：

Install-Package MatlabIO -Version 3.0.0

• 专为多维数组设计
• 支持 MATLAB 5 及以上格式
• 自动处理字节序(Endianness)

核心代码实现

基础导出流程

// 假设我们有一个 100x100x100 的仿真数据
double[,,] simulationData = new double[100, 100, 100];

// 初始化数据（实际项目这里会是你的计算逻辑）for (int i = 0; i < 100; i++)
    for (int j = 0; j < 100; j++)
        for (int k = 0; k < 100; k++)
            simulationData[i, j, k] = Math.Sin(i) * Math.Cos(j) * k;

// 导出步骤
using var writer = new MatlabWriter("simulation.mat");
writer.Write("simData", simulationData);

关键点说明：

1. MATLAB 多维数组在内存中是列优先 (column-major) 存储，而 C# 默认是行优先
2. Write 方法会自动进行必要的转置操作
3. 变量名 ”simData” 就是在 MATLAB 中加载时的变量名

异常处理增强版

try
{if (simulationData == null)
        throw new ArgumentNullException(nameof(simulationData));

    if (simulationData.GetLength(0) * simulationData.GetLength(1) * simulationData.GetLength(2) > int.MaxValue)
        throw new ArgumentException("数组体积超过 MATLAB 单变量限制");

    using var writer = new MatlabWriter("simulation.mat", compress: true); // 启用压缩
    writer.Write("simData", simulationData);
}
catch (Exception ex)
{Console.WriteLine($"导出失败：{ex.Message}");
    // 这里可以添加重试或降级逻辑
}

性能优化技巧

大数组分块处理

当处理 GB 级数据时，建议分块写入：

// 定义分块大小
const int chunkSize = 50;

using var writer = new MatlabWriter("largeData.mat");

for (int z = 0; z < simulationData.GetLength(2); z += chunkSize)
{
    // 获取当前分块
    var chunk = GetDataChunk(simulationData, z, Math.Min(chunkSize, simulationData.GetLength(2) - z));
    writer.Write($"chunk_{z / chunkSize}", chunk);
}

// 在 MATLAB 中可以用 cat(3, chunk_0, chunk_1, ...)重组

内存优化

使用 ArrayPool 减少 GC 压力：

var pool = ArrayPool<double>.Shared;
double[] buffer = pool.Rent(bufferSize);

try
{
    // 使用 buffer 处理数据
    // ...
}
finally
{pool.Return(buffer);
}

避坑指南

1. 类型转换陷阱：
2. MATLAB 默认用 double 精度

3. 如果源数据是 float，需要显式转换：

   float[,,] floatData = ...;
   writer.Write("data", floatData.Cast<double>().ToArray()); // 需要 LINQ 转换

4. 版本兼容性：

5. MATLAB 7.3 格式（HDF5 基础）需要特殊处理

6. 32 位 MATLAB 有 2GB 变量大小限制

7. 维度顺序：

8. 如果在 MATLAB 中发现维度错乱，尝试：

   data = permute(data, [3 2 1]); % 调整维度顺序

延伸思考

对于稀疏矩阵（比如有限元分析中的刚度矩阵），可以考虑：

1. 使用 MathNet.SparseMatrix 类型
2. 转换为 COO (坐标格式) 存储
3. 利用 MATLAB 的 sparse 函数重建

下次可以专门聊聊这个主题——如果大家感兴趣的话。

实测效果

在我的 i7-11800H 笔记本上测试：

分块写入不仅避免 OOM，还能利用 SSD 的并行写入优势。

希望这篇笔记能帮你避开我踩过的那些坑。如果有更好的实现方案，欢迎在评论区交流！