MATLAB conv2、filter2和imfilter

conv2卷积滤波函数`

C=conv2(A,B,shape);        %卷积滤波

说明

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

1. 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）
2. shape=same时，返回与A同样大小的卷积中心部分
3. 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）

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。

filter2模板滤波函数

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

用法

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

1. 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）

2. shape=same时，返回与A同样大小的卷积中心部分

3. 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）

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。

imfilter

用法

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

A:输入图像，H:滤波核

1. option1：边界选项，可选的有：补充固定的值X（默认都补零），symmetric,replicate,circular
2. option2：输出图像大小选项，可选的有same（默认）,full
3. 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

区分

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