matlab中的conv2、filter2、imfilter有哪些区别

dapmood

-------------------------------------conv2函数----------------------------------------
9 _+ @+ H6 O  r" v1、用法

• C=conv2(A,B,shape);        %卷积滤波
  8 Q( P' I0 |8 d/ T8 w

! F* l$ P! ?& Q& \6 Z( iA:输入图像，B:卷积核
6 e: Q" r9 k, B4 B0 C7 y       假设输入图像A大小为ma x na，卷积核B大小为mb x nb，则
. U9 Q' H' d. W/ I       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）
7 Y3 F" b0 u/ o; V9 {8 U      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）


2、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。
7 }$ F- B) m1 D( @1 O2 u7 F: f        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。
* j/ G& T8 P+ t" C( _3 C# R        d、将旋转后的卷积核乘以对应的矩阵元素再求和。
+ X+ ^0 ^7 i$ p& L6 H; d
3、实现过程展示
. Z8 Z; W: f4 H     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
3 w0 a& @3 J% x2 N" ?
: R9 v3 M9 ?' v% i9 x9 G$ P: W8 }

         

# [; \, n+ N% n' q( w. `8 Z
" G+ X, {, ?0 f. s& x

         b、将卷积核旋转180度
: ^$ l/ s9 u0 e4 J( }                     
         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）
                           

6 v% U8 R3 v% M: y: e2 |5 h- E
0 v( F) r5 K! y( a+ l) V! o-------------------------------------filter2函数----------------------------------------
1、用法

• B = filter2(h,A,shape) ;        %相关(correlation)滤波
• 
  ; |& ^- v5 _0 v: I8 P

8 u. a5 c( S) _3 Z; P& `: x( y3 _
! v* v8 h5 d! V% O( ^3 @* [5 d8 V
7 @0 ]$ ?8 v2 Z. e; l6 W0 GA:输入图像，h:相关核
8 r- _9 P+ b) ]( V% v       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）
      shape=same时，返回与A同样大小的卷积中心部分
' u5 C: B9 T0 {: v. z       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）
+ h! D' c! L, v3 j; M" `/ r& f
2、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。

3、conv2（卷积滤波）和filter2（相关滤波）的结果比较
        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]
. j4 _7 M  R* l; o                                                
! G& \2 h3 H: F; j4 E! t6 P                                conv2,shape=full                                                                filter2,shape=full
; A# w* K- a$ D" R$ _; M' l# r8 |

# _! |. O7 p9 ?" l
-------------------------------------imfilter----------------------------------------
2 T. F, e0 F: K) Z9 J. l* t) J8 K1、用法

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

A:输入图像，H:滤波核
       option1：边界选项，可选的有：补充固定的值X（默认都补零），symmetric,replicate,circular
       option2：输出图像大小选项，可选的有same（默认）,full
# c4 \' s* f3 L# Z7 J" H8 G9 H       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
$ r* m2 P! e  B; D$ t6 f
+ B0 }& ?: M3 j* Y6 J

7 n' ]) h* U* N# P. I! O+ o  g-------------------------------------最后总结----------------------------------------
+ a/ i9 ?0 V& v( m2 Y6 U

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。

3 y8 A3 Q: |+ _. x* U( K3 D6 m
3 C5 \8 S/ X8 Q" F* {8 S2 s

regngfpcb

matlab中的conv2、filter2、imfilter的区别