CV预备(一):|CV预备(一): conv2, filter2, imfilter的差别 imfilter的差别|filter2

前言

filter2

实操

conv2

imfilter

最后

前言

最近开始准备深入学习一下计算机视觉(CV)方面的内容, 这里会更新几期基础知识, 主要是Matlab和Python方面的. 这次的就是三个Matlab的函数filter2, conv2, imfilter.

filter2

filter2是相关滤波函数, 假设输入图像I大小为M1 X N1，相关核f大小为M2 X N2.

J = filter2 (f, I, shape)

f: 相关核, 即滤波掩模

I: 输入图像

J: 输出图像

shape: 可选, 其参数如下:

参数	描述
same(默认值)	返回与I同样尺寸滤波后的图像, M1 X N1
full	返回全部二维滤波结果, (M1 + M2 - 1) X (N1 + N2 - 1)
valid	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, (M1 - M2 + 1) X (N1 - N2 + 1)

实操

这里实操一下, 首先是'same'

I = [10 10 10 10; 10 10 10 10; 10 10 10 10]; f = [1 1 1; 1 1 1; 1 1 1]; J = filter2(f, I, 'same')

输出是:

>> iFilterJ =40606040 60909060 40606040

对输入图像补零, 第一行之前和最后一行之后都补M2 -1行，第一列之前和最后一列之后都补N2 - 1列, (注意filter2和conv2不支持其他的边界补充选项, 函数内部对输入总是补零.

也就是补成如下:

0 0 00000 0 0 0 00000 0 0 0 10 10 10 10 0 0 0 0 10 10 10 10 0 0 0 0 10 10 10 10 0 0 0 0 00000 0 0 0 00000 0

文章图片
相关

所以第一个40就是相关核与红框内部分对应相乘然后结果求和所得, 也就是(0*1 + 0*1 + 0*1 + 0*1 + 10 *1 + 10 *1 + 0*1 + 10 *1 + 10 *1), 之后的就滑动相关核, 将相关核的中心位于图像矩阵的每一个元素.

'full'的话, 就是将边缘补全零的计算结果也一并输出, 所以尺寸是(M1 + M2 - 1) X (N1 + N2 - 1)

J =102030302010 204060604020 306090906030 204060604020 102030302010

文章图片
卷积

最后'valid', 就是边界补出的零参与运算的都舍去.

J =9090

conv2

和filter2最大的不同就是计算之前, 把卷积核旋转180°. 所以, 如果卷积核旋转180°和原来一样, 那么conv2和filter2的计算结果都是一样的. 所以我这里就修改一下算子. 可以很明显看到filter2的结果旋转180°就是conv2的结果.

I = [10 10 10 10; 10 10 10 10; 10 10 10 10]; f = [1 1 1; 1 1 1; 1 2 1]; J = filter2(f, I, 'same') J = conv2(I, f, 'same')

J =50707050 7010010070 40606040J =40606040 7010010070 50707050

imfilter

J = imfilter(I, f, filtering_mode, boundary_options, size_options)

参数列表	选项	描述
filtering_mode	‘corr’	相关(默认)
	‘conv’	卷积
boundary_options	X	输入图像的边界通过用值X值来填充扩展其默认值为0
	‘replicate’	复制外边界值
	‘symmetric’	镜像反射
	‘circular’	图像大小通过将图像看成是一个二维周期函数的一个周期来扩展
size_options	‘full’	输出图像的大小与被扩展图像的大小相同
	‘same’	输出图像的大小与输入原始输入图像一样(默认)