矩阵卷积、矩阵相乘以及频域相乘之间的关系

通过查阅了网上很多的资料，在此做一个总结，有错误之处，还请评论指出，谢谢！

设矩阵A与矩阵B，其中矩阵B为卷积模板，B1是卷积模板翻转180度，FA是矩阵A在频域下的矩阵，FB是矩阵B在频域下的矩阵。
结论：矩阵A与矩阵B1相乘=矩阵A与矩阵B的卷积=矩阵FA与矩阵FB相乘。
（PS：上面说的两个相乘是不同的，具体可以从下面的讲述中可以清楚的明白）

1）验证：矩阵A与矩阵B1相乘=矩阵A与矩阵B的卷积
假设矩阵A为5×5的矩阵，矩阵B为3×3的矩阵。


B1是B旋转180度的矩阵，B1=rot90(rot90(B))

矩阵A与矩阵B1的相乘过程如下图所示：

依次计算，最后的结果为：

通过matlab来证明conv2(A,B)与上述操作的结果一致：
（关于im2col函数的作用可以参考:https://blog.csdn.net/dwyane12138/article/details/78449898）
为了让im2col()函数更明显，可以输出A2。

A=[1 2 4 5 6;6 8 9 1 3;6 8 9 2 4;7 3 5 7 5;1 5 8 9 3];%5*5
B=[3 4 5;6 7 8;3 2 1];%卷积核 3*3
C1=conv2(A,B,'full') %直接用卷积函数conv2的卷积结果
A1=padarray(A,[2 2],'both');%用0扩充A
A2=im2col(A1,[3 3]);%块数据向量化
B1=B(:);%变成一个列向量
B2=B1(end:-1:1);%倒序
B2=B2';%转置
C2=reshape(B2*A2,[7 7])%卷积转换为乘积并且转化为结果数据

结果如下图所示：


运算结果成功证明：矩阵A与矩阵B1相乘=矩阵A与矩阵B的卷积。

2）证明：矩阵A与矩阵B的卷积=矩阵FA与矩阵FB相乘

A=[1 2 4 5 6;6 8 9 1 3;6 8 9 2 4;7 3 5 7 5;1 5 8 9 3];%5*5
B=[3 4 5;6 7 8;3 2 1];%卷积核 3*3
C1=conv2(A,B,'full') %直接用卷积函数conv2的卷积结果
FA=fft2(A,7,7);
FB=fft2(B,7,7);
%FC=FA.*FB;  频域乘积，结果就是下面的for循环的操作，从这里可以看出，上面提到的两个相乘的方法是不同的。
for i=1:5
    for j=1:5
        FC(i,j)=FA(i,j)*FB(i,j);
    end
end
C3=ifft2(FC); %频域转换

结果入下图所示：


运算结果成功证明：矩阵A与矩阵B的卷积=矩阵FA与矩阵FB相乘。

综上所述：矩阵A与矩阵B1相乘=矩阵A与矩阵B的卷积=矩阵FA与矩阵FB相乘。