如果没有填充,结果将等同于循环卷积,如您所指出的那样.对于线性卷积,在卷积2个图像(2D信号)A * B时,完整输出的大小为Ma Mb-1×Na Nb-1,其中Ma x Na,Mb x Nb是图像A和B的大小.
填充到预期大小后,通过ifft2进行乘法和变换,可以保留结果图像的中心部分(通常对应于A和B中最大的一个).
A = double(imread('cameraman.tif'))./255; % image
B = fspecial('gaussian', [15 15], 2); % some 2D filter function
[m,n] = size(A);
[mb,nb] = size(B);
% output size
mm = m + mb - 1;
nn = n + nb - 1;
% pad, multiply and transform back
C = ifft2(fft2(A,mm,nn).* fft2(B,mm,nn));
% padding constants (for output of size == size(A))
padC_m = ceil((mb-1)./2);
padC_n = ceil((nb-1)./2);
% frequency-domain convolution result
D = C(padC_m+1:m+padC_m, padC_n+1:n+padC_n);
figure; imshow(D,[]);
现在,使用conv2D将上述内容与空间域卷积进行比较
% space-domain convolution result
F = conv2(A,B,'same');
figure; imshow(F,[]);
结果在视觉上是相同的,并且两者之间的总误差(由于四舍五入)在e-10的量级上.