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
  9 _8 E- T# P# y! e! S1 R4 x8 ]

5 X6 x0 s6 L3 [3 U1 E4 F

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
$ D5 D: m- Z, r+ s       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）
+ K5 \5 @9 }0 w1 d! g
3 ]! _9 e9 x7 N& M1 w: m) `
2、实现步骤
! F3 f& F& v1 B: r. G! s* M    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：
8 g. Q3 g9 ^+ ?- H8 n' a0 x6 l        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）。
$ O! d1 z- |% K6 w        b、关于卷积核的中心，旋转卷积核180度。
/ g# I2 e( J7 x        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。
( s; }# D6 v! S6 }2 [7 I        d、将旋转后的卷积核乘以对应的矩阵元素再求和。
2 d+ @6 ?  q8 m2 A
: L. x5 E0 b5 g3、实现过程展示
& z/ g2 ?7 @0 a" L* u% g     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

. i7 H- G; i; h, v

         

0 `6 ]  P9 z# K' W

         b、将卷积核旋转180度
                     
* n9 R7 R! G' q3 ~2 U$ X, |& y         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）
                           


-------------------------------------filter2函数----------------------------------------
2 ^- @. T( @# V' e  |1、用法

• B = filter2(h,A,shape) ;        %相关(correlation)滤波
• 
  3 ^& U( n& C9 |

& K5 }: _/ A# `1 V# _" k$ `
9 w% i- C$ E) p4 d& d; I
' F% K) g+ b7 Y- a* {; x3 S2 dA: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）
- c5 @8 s% g& v( j4 T5 }      shape=same时，返回与A同样大小的卷积中心部分
- i9 |( [9 w1 S3 N       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）
) |# F( h4 E) Z
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]
  u" _  b3 J+ \" T" y9 X9 z) t                                                
/ |: j0 a% Y5 X% U9 x/ d                                conv2,shape=full                                                                filter2,shape=full
" D4 b, J$ p9 w' Q; h
  t% _- n7 }' U% h- ~6 t5 P6 W
9 r5 u2 t% p4 F/ D" m: l: Z
+ }& ~+ l4 Y, v2 k-------------------------------------imfilter----------------------------------------
1、用法

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

9 |: F" s5 |% Q; a* u5 |/ {

: Q) h) [  c* Q) X* N' s- lA:输入图像，H:滤波核
" M% t6 ?7 F$ z/ n* K7 x% A       option1：边界选项，可选的有：补充固定的值X（默认都补零），symmetric,replicate,circular
+ g/ p- G( g' D* x8 L( g9 }" r       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
6 b! u9 l) p" ^) U4 w
! d1 z  l% Y1 Q; w5 @

-------------------------------------最后总结----------------------------------------

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。

+ J% ^7 g2 o" U
4 d: D2 e' f0 a. ~/ s

regngfpcb

matlab中的conv2、filter2、imfilter的区别