conv2函数
1、用法 C=conv2(A,B,shape); %卷积滤波
A: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)
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。
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。
d、将旋转后的卷积核乘以对应的矩阵元素再求和。
filter2函数
1、用法 B = filter2(h,A,shape) ; %相关(correlation)滤波
* A:输入图像,h:相关核
* 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
* 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)
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conv2不同。
imfilter
1、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
* 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
默认使用下相关corr,也可以选择conv参数进行卷积完成。
最后总结
- 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。
- 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