conv2卷积计算整理

关于conv2函数的计算过程

假设有两个矩阵a,b，a的大小是ma行na列，b的大小是mb行nb列。

c=conv2(a,b)计算这两个矩阵的卷积，c的大小是ma+mb-1行，na+nb-1列。

计算过程如下：

1.对矩阵a进行边界填补0，填充规则是：在a的第一行之前和最后一行之后分别填充mb-1行0，并在a的第一列之前和最后一列之后分别填充nb-1列0；

2.对矩阵b进行翻转，上下换位左右换位。%rot90(b,2)或者fliplr(flipud(b))或者flipud(fliplr(b))

3.从左上角开始，按照先列后行的顺序在矩阵a上滑动矩阵b，对应的元素相乘然后求和所得的数值为相应的c中的值。

例子如下：

NOTE：关于shape选项的说明；

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，若涉及奇偶区分时，像高位取，如行数为3，中心在第二行，取两行则取第二第三行，列数为6，中心在第三列，要取四列，则取二三四五列。
    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）

这里给出一种最原始的实现方案。这种实现对于数据矩阵大小为1000x1000，卷积核矩阵大小为20x20，在我的机器上需要大约1秒钟的时间，而matlab采用的MKL库最快只需要将近0.1s的时间。下面的代码用到了自己目前开发的FastIV中的一些函数接口。具体代码如下：

[cpp]  view plain  copy

 

1. #include "fiv_core.h"  
2.   
3. typedef enum{  
4.     FIV_CONV2_SHAPE_FULL,  
5.     FIV_CONV2_SHAPE_SAME,  
6.     FIV_CONV2_SHAPE_VALID  
7. }FIV_CONV_SHAPE;  
8.   
9.   
10. void fIv_conv2(fIvMat** dst_