matlab中的conv2、filter2、imfilter有哪些区别

dapmood

-------------------------------------conv2函数----------------------------------------
! Y! G: K+ w1 u1、用法

• C=conv2(A,B,shape);        %卷积滤波
  

: f3 x8 n. P% s# h
  U6 ^) L$ B) ~9 n. P
- L' H1 M. p5 g, ]2 e; o# z8 JA:输入图像，B:卷积核
       假设输入图像A大小为ma x na，卷积核B大小为mb x nb，则
       当shape=full时，返回全部二维卷积结果，即返回C的大小为（ma+mb-1）x（na+nb-1）
: v7 j9 r1 Q. G) C0 P      shape=same时，返回与A同样大小的卷积中心部分
       shape=valid时，不考虑边界补零，即只要有边界补出的零参与运算的都舍去，返回C的大小为（ma-mb+1）x（na-nb+1）

; q' Z9 G6 y/ |
3 q1 e9 _) |( S: E' a" h2、实现步骤
    假设输入图像A大小为ma x na，卷积核大小为mb x nb，则MATLAB的conv2函数实现流程如下：
        a、对输入图像补零，第一行之前和最后一行之后都补mb-1行，第一列之前和最后一列之后都补nb-1列（注意conv2不支持其他的边界补充选项，函数内部对输入总是补零）。
$ b) D0 N0 u9 {  ~- v) q5 t        b、关于卷积核的中心，旋转卷积核180度。
# ?2 h7 ?5 r6 l3 p        c、滑动卷积核，将卷积核的中心位于图像矩阵的每一个元素。
- I- ~, u( j5 i: R/ O        d、将旋转后的卷积核乘以对应的矩阵元素再求和。
" O0 Q! z& G: @5 @- l" \2 n
3、实现过程展示
     假设有图像A=[4 3 1 2;0 1 1 3;5 2 0 0],卷积核B=[1 2 3;0 -1 2;1 1 0]
         a、首先是按照上面的步骤进行补零，如下图外圈红色的为补出的零
1 Q- Z/ p3 V2 B
$ w$ s5 p' I9 }% r! f* g  C( h! M

         

         b、将卷积核旋转180度
                     
         c、将旋转后的核在A上进行滑动，然后对应位置相乘，最后相加，下面分别是shape=full,same,valid时取输出图像大小的情况，位置1表示输出图像的值从当前核的计算值开始（对应输出图像左上角），位置2表示到该位置结束（对应输出图像右下）
                           

9 |, U) [* e" H- l$ L" h6 W5 Y+ E, l
; W6 L. y9 Q, V3 @/ w1 z+ b) s-------------------------------------filter2函数----------------------------------------
1、用法

• B = filter2(h,A,shape) ;        %相关(correlation)滤波
• 
  

  j; |1 g; X" r1 F5 l

7 {/ k: Z/ O+ ?  t- u, gA:输入图像，h:相关核
6 }; F# B9 [. q$ W" M       假设输入图像A大小为ma x na，相关核h大小为mb x nb，则
       当shape=full时，返回全部二维卷积结果，即返回B的大小为（ma+mb-1）x（na+nb-1）
      shape=same时，返回与A同样大小的卷积中心部分
3 K. B9 [/ r/ v! V, n+ O       shape=valid时，不考虑边界补零，即只要有边界补出的零参与运算的都舍去，返回B的大小为（ma-mb+1）x（na-nb+1）

5 B. Z. J' r' E7 {% ~' m5 D) V9 M- ^$ X2、实现步骤

        假设输入图像A大小为ma x na，相关核h大小为mb x nb，MATLAB的filter2的实现流程如下：

           a、对输入图像补零，第一行之前和最后一行之后都补mb-1行，第一列之前和最后一列之后都补nb-1列（注意filter2不支持其他的边界补充选项，函数内部对输入总是补零）。

           b、滑动相关核，将相关核的中心位于图像矩阵的每一个元素。

           c、将相关核乘以对应的矩阵元素再求和

                   注意filter2不对核进行180°旋转，直接对应相乘再相加，这一点与filter2不同，下面有两者计算结果对比可看出这一点。

3、conv2（卷积滤波）和filter2（相关滤波）的结果比较
; x" c* n' y$ L: v# n- V        A=[4   3   1   2;0   1   1   3;5   2   0   0]，卷积核B=[1    2    3;0   -1   2;1    1   0]
                                                
/ t7 U9 @6 D; D9 w" u: P+ c                                conv2,shape=full                                                                filter2,shape=full
7 @0 g& {# B+ h# X! [

4 m" k- v3 t9 ]7 r
% E) ]( O/ k0 T1 T2 m, b-------------------------------------imfilter----------------------------------------
6 m* o8 d- U; F/ K  n% D. V1、用法

• B=imfilter(A,H,option1,option2,option3)；
  

6 \4 p: \: e* E5 k4 b

" x4 l' S0 O4 V3 S3 zA:输入图像，H:滤波核
! P' g! j& n! e( i& F  u       option1：边界选项，可选的有：补充固定的值X（默认都补零），symmetric,replicate,circular
8 W4 @" c8 _7 e* S; Y0 I. _! J       option2：输出图像大小选项，可选的有same（默认）,full
. \* A% P% ?  |& z0 w8 a9 {- I) R       option3：决定采用与filter2相同的相关滤波还是与conv2相同的卷积滤波

* g& b, \- j' S" \: j) s5 c
; }) D  x2 g: x6 L- f+ {
-------------------------------------最后总结----------------------------------------
- n( s# A; ^5 u" d9 k

1、  filter2、conv2将输入转换为double类型，输出也是double的，输入总是补零（zero padded), 不支持其他的边界补充选项。

2、  imfilter：不将输入转换为double，输出只与输入同类型，有灵活的边界补充选项。

2 R" r; a# i5 G  z* Z6 J) t4 r
& Z$ e' g& L4 k5 W0 Y
  u5 E: U7 ~- F5 T* V" S

regngfpcb

matlab中的conv2、filter2、imfilter的区别