matlab中的conv2、filter2、imfilter有哪些区别

dapmood

-------------------------------------conv2函数----------------------------------------
1、用法

• C=conv2(A,B,shape);        %卷积滤波
  

3 `& E  Z" c" A1 c) z6 ~0 p
4 v3 r6 B  N" I% n8 a  k2 xA: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
       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）
6 N8 r3 m. ]$ l1 q% ~! g      shape=same时，返回与A同样大小的卷积中心部分
       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）
) N; n& v8 u2 J, d6 q

2、实现步骤
3 D' {7 _% z5 s    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）。
; Q2 A6 I( ]# i6 z1 k6 N. C        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。
  i( r; h3 g) t, b4 _        d、将旋转后的卷积核乘以对应的矩阵元素再求和。

3、实现过程展示
9 U6 N# Y9 }. x% ]8 D! c     假设有图像A=[4 3 1 2;0 1 1 3;5 2 0 0],卷积核B=[1 2 3;0 -1 2;1 1 0]
         a、首先是按照上面的步骤进行补零，如下图外圈红色的为补出的零

, q; }4 f4 O( V9 q! _

         

( E# H: O# v- s8 t. x) u

         b、将卷积核旋转180度
                     
# V& _/ k5 F, ~) {7 _& q1 y; R0 \) l         c、将旋转后的核在A上进行滑动，然后对应位置相乘，最后相加，下面分别是shape=full,same,valid时取输出图像大小的情况，位置1表示输出图像的值从当前核的计算值开始（对应输出图像左上角），位置2表示到该位置结束（对应输出图像右下）
, n* M1 ?- o9 \3 U) W6 v, d1 s$ @                            


-------------------------------------filter2函数----------------------------------------
1、用法

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

: R+ ?) s% v3 w/ p( h4 t
A:输入图像，h:相关核
- S9 A' f% |2 A! Y; y0 f! H       假设输入图像A大小为ma x na，相关核h大小为mb x nb，则
       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）
- K& y5 I/ Y& a  D' q: j      shape=same时，返回与A同样大小的卷积中心部分
# @1 E' B4 [1 b7 x/ B" _6 c       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）

9 @6 n/ ^& ^. U% v) i5 Q0 q# i2、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。

, B" s# ^& i4 C& D0 V- y3、conv2（卷积滤波）和filter2（相关滤波）的结果比较
/ {" F5 m* Z9 |        A=[4   3   1   2;0   1   1   3;5   2   0   0]，卷积核B=[1    2    3;0   -1   2;1    1   0]
" |' E! s3 F, k; t                                                
2 D0 S* W. S% L% f6 u5 f                                conv2,shape=full                                                                filter2,shape=full



-------------------------------------imfilter----------------------------------------
+ g, M" p$ `0 L: d5 w! y9 Q1、用法

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

$ U# F7 B+ P! d: mA:输入图像，H:滤波核
) K  ~3 M$ M* F) R4 v4 d+ x- F       option1：边界选项，可选的有：补充固定的值X（默认都补零），symmetric,replicate,circular
7 v1 z* ]. V8 h* [       option2：输出图像大小选项，可选的有same（默认）,full
8 H: f' g; D) f       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
4 Z8 [0 g8 x5 d4 _6 ~


) A2 _6 r9 P# }( Y-------------------------------------最后总结----------------------------------------
, H' h# s9 Y- b- h

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。

' N. W2 b) O& t8 E1 x& ~

: g+ y2 x1 d' s0 |7 i
. c6 Y+ R8 T6 Q5 x

regngfpcb

matlab中的conv2、filter2、imfilter的区别