卷积公式细谈

原文地址：http://www.ilovematlab.cn/thread-293710-1-1.html

————————————-conv2函数—————————————-

1、用法

1. C=conv2(A,B,shape);        %卷积滤波

复制代码

A: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）

      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）





2、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、关于卷积核的中心，旋转卷积核180度。

        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。

        d、将旋转后的卷积核乘以对应的矩阵元素再求和。



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

 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） 

                 

————————————-filter2函数—————————————-
1、用法

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

复制代码

A:输入图像，h:相关核

       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

       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）



2、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
        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]

         

 

————————————-imfilter—————————————-
1、用法

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

复制代码

A:输入图像，H:滤波核

       option1：边界选项，可选的有：补充固定的值X（默认都补零），symmetric,replicate,circular

       option2：输出图像大小选项，可选的有same（默认）,full

       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







————————————- 最后总结 —————————————-

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