滤波和卷积的区别

本文主要介绍滤波和卷积的区别，以供读者能够理解该技术的定义、原理、应用。

🎬个人简介：一个全栈工程师的升级之路！
📋个人专栏：计算机杂记
🎀CSDN主页 发狂的小花
🌄人生秘诀：学习的本质就是极致重复!

滤波器，卷积核意义相同

图像处理中滤波和卷积原理上相似，但是在实现的细节上存在一些区别。

但是存在细微的差别：

1、滤波

滤波操作就是图像对应像素与掩膜（mask）的乘积之和。

比如有一张图片和一个掩膜，如下图：

那么像素(i,j)的滤波后结果可以根据以下公式计算：

其中G(i,j)是图片中(i,j)位置像素经过滤波后的像素值。

当掩膜中心m5位置移动到图像(i,j)像素位置时，图像(i,j)位置像素称为锚点。

滤波步骤：

1. 对原始图像的边缘进行某种方式的填充（一般为0填充）。
2. 将掩膜划过整幅图像，计算图像中每个像素点的滤波结果。

依照这个步骤，假设我们有一个二维矩阵I，掩膜M，则滤波的结果如下：

滤波后的图像大小不变。

2、卷积

卷积操作也是卷积核与图像对应位置的乘积和。但是卷积操作在做乘积之前，需要先将卷积核翻转180度，之后再做乘积。

卷积步骤：

1. 180度翻转卷积核。
2. 不做边界填充，直接对图像进行相应位置乘积和。

从以上步骤可以看出，如果卷积核不是中心对称的，那么卷积和滤波操作将会得到完全不一样的结果。另外，卷积操作会改变图像大小！

由于卷积操作会导致图像变小（损失图像边缘），所以为了保证卷积后图像大小与原图一致，经常的一种做法是人为的在卷积操作之前对图像边缘进行填充。

最后，关于卷积后图像尺寸的计算：假设原始图像为M*M，卷积核大小为N*N，边缘填充像素个数为pad，步长为stride。则卷积后图像的尺寸变为：m =(M-N+2*pad)/sride+1。

感谢博主：

图像处理中滤波（filtering）与卷积（convolution）的区别_spline, convolution滤波方法使用的区别-CSDN博客

附加：

图像卷积与滤波的一些知识点_卷积滤波-CSDN博客

🌈我的分享也就到此结束啦🌈
如果我的分享也能对你有帮助，那就太好了！
若有不足，还请大家多多指正，我们一起学习交流！
📢未来的富豪们：点赞👍→收藏⭐→关注🔍，如果能评论下就太惊喜了！
感谢大家的观看和支持！最后，☺祝愿大家每天有钱赚！！！欢迎关注、关注！