matlab中imfilter、conv2、imfilter2用法及区别
来源
:https://blog.csdn.net/u013066730/article/details/56665308(比较详细)
https://blog.csdn.net/yuanhuiling/article/details/79128116
mfilter实现的是线性空间滤波;
conv2是计算两个矩阵的二维卷积
1、MATLAB中提供了卷积运算的函数命令conv2,其语法格式为:
C = conv2(A,B)
C = conv2(A,B)返回矩阵A和B的二维卷积C。若A为ma×na的矩阵,B为mb×nb的矩阵,则C的大小为(ma+mb+1)×(na+nb+1)。
2、MATLAB图像处理工具箱提供了基于卷积的图象滤波函数filter2,filter2的语法格式为:
Y = filter2(h,X)
其中Y = filter2(h,X)返回图像X经算子h滤波后的结果,默认返回图像Y与输入图像X大小相同。例如:
其实filter2和conv2是等价的。MATLAB在计算filter2时先将卷积核旋转180度,再调用conv2函数进行计算。
Fspecial函数用于创建预定义的滤波算子,其语法格式为:
h = fspecial(type)
h = fspecial(type,parameters)
参数type制定算子类型,parameters指定相应的参数,具体格式为:
type='average',为均值滤波,参数为n,代表模版尺寸,用向量表示,默认值为[3,3]。
type= 'gaussian',为高斯低通滤波器,参数有两个,n表示模版尺寸,默认值为[3,3],sigma表示滤波器的标准差,单位为像素,默认值为0.5
NOTE:
那什么时候用到imfilter和filter2,什么时候用conv2呢?
三个函数实际的用法基本结果是一样的。 但imfilter可进行多维图像(RGB等)进行空间滤波,filter2 只能对二维图像(灰度图)进行空间滤波,conv2可以对图像矩阵实现自己想实现的卷积操作,最简单最常用的是二维。所以conv2和filter2类似,多维图像(RGB等)要用imfilter
conv2是计算两个矩阵的二维卷积
1、MATLAB中提供了卷积运算的函数命令conv2,其语法格式为:
C = conv2(A,B)
C = conv2(A,B)返回矩阵A和B的二维卷积C。若A为ma×na的矩阵,B为mb×nb的矩阵,则C的大小为(ma+mb+1)×(na+nb+1)。
2、MATLAB图像处理工具箱提供了基于卷积的图象滤波函数filter2,filter2的语法格式为:
Y = filter2(h,X)
其中Y = filter2(h,X)返回图像X经算子h滤波后的结果,默认返回图像Y与输入图像X大小相同。例如:
其实filter2和conv2是等价的。MATLAB在计算filter2时先将卷积核旋转180度,再调用conv2函数进行计算。
Fspecial函数用于创建预定义的滤波算子,其语法格式为:
h = fspecial(type)
h = fspecial(type,parameters)
参数type制定算子类型,parameters指定相应的参数,具体格式为:
type='average',为均值滤波,参数为n,代表模版尺寸,用向量表示,默认值为[3,3]。
type= 'gaussian',为高斯低通滤波器,参数有两个,n表示模版尺寸,默认值为[3,3],sigma表示滤波器的标准差,单位为像素,默认值为0.5
NOTE:
那什么时候用到imfilter和filter2,什么时候用conv2呢?
三个函数实际的用法基本结果是一样的。 但imfilter可进行多维图像(RGB等)进行空间滤波,filter2 只能对二维图像(灰度图)进行空间滤波,conv2可以对图像矩阵实现自己想实现的卷积操作,最简单最常用的是二维。所以conv2和filter2类似,多维图像(RGB等)要用imfilter
1、用法
- C=conv2(A,B,shape); %卷积滤波
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。
3、实现过程展示
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
![](http://www.ilovematlab.cn/data/attachment/forum/201405/24/182543nmmg8uxlqfqlazmo.jpg)
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)
![](http://www.ilovematlab.cn/data/attachment/forum/201405/24/182946v111r11aewrqpji4.jpg)
![](http://www.ilovematlab.cn/data/attachment/forum/201405/24/182947g3bj69bwqujq599w.jpg)
![](http://www.ilovematlab.cn/data/attachment/forum/201405/24/182947t8e87rz8zj7geu91.jpg)
-------------------------------------filter2函数----------------------------------------
1、用法
- B = filter2(h,A,shape) ; %相关(correlation)滤波
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]
![](http://www.ilovematlab.cn/data/attachment/forum/201405/24/185923zint0pc0gl0ggtda.jpg)
![](http://www.ilovematlab.cn/data/attachment/forum/201405/24/185924f7bzagm76nv7bdo7.jpg)
conv2,shape=full filter2,shape=full
-------------------------------------imfilter----------------------------------------
1、用法
- B=imfilter(A,H,option1,option2,option3);
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
-------------------------------------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