卷积算子的矩阵向量乘积表示&二维离散降质模型

@图像处理入门学习知识（一）

卷积算子的矩阵向量乘积表示&二维离散降质模型

在图像处理过程中，有时候我们需要将卷积运算转化为矩阵乘积运算，这也是离散降质模型构成的基础，那么怎么将卷积乘法转化为矩阵向量乘法呢 。我们可以运用有关循环矩阵或Toepliz矩阵的特点来构造卷积矩阵。上一篇已经介绍了一维离散降质模型转换过程及部分代码，这一篇将继续介绍二维序列卷积怎么转化为矩阵向量乘法。

二维图像离散降质模型

在二维离散系统中，输入信号尺寸为的二维序列f(x，y)，加性噪声n(x，y)尺寸同样为AXB, 冲激响应函数h(x，y) 尺寸为CXD，为了避免各个周期重叠，将f(x,y)、n(x,y)、h(x,y)补零延拓至尺寸MXN,即(A+C-1)X(B+D-1)的矩阵序列，得到fe(x,y)、ne(x,y)、he(x,y)，可表示为: f e ( x ， y ) = { f ( x , y ) , 0 ≤ x ≤ A − 1 , y ≤ B − 1 0 , A ≤ x ≤ M − 1 , y ≤ N − 1 ( 1.1.1 ) h e ( x , y ) = { h ( x , y ) , 0 ≤ x ≤ C − 1 , y ≤ D − 1 0 , B ≤ x ≤ M − 1 , y