來源

：https://blog.csdn.net/u013066730/article/details/56665308（比較詳細）

https://blog.csdn.net/yuanhuiling/article/details/79128116

mfilter實現的是線性空間濾波；
conv2是計算兩個矩陣的二維卷積
1、MATLAB中提供了卷積運算的函數命令conv2，其語法格式為：
C = conv2(A,B)
C = conv2(A,B)返回矩陣A和B的二維卷積C。若A為ma×na的矩陣，B為mb×nb的矩陣，則C的大小為(ma+mb+1)×(na+nb+1)。
2、MATLAB圖像處理工具箱提供了基于卷積的圖象濾波函數filter2，filter2的語法格式為：
Y = filter2(h,X)
其中Y = filter2(h,X)返回圖像X經算子h濾波后的結果，默認返回圖像Y與輸入圖像X大小相同。例如：
其實filter2和conv2是等價的。MATLAB在計算filter2時先將卷積核旋轉180度，再調用conv2函數進行計算。
Fspecial函數用于創建預定義的濾波算子，其語法格式為：
h = fspecial(type)
h = fspecial(type,parameters)
參數type制定算子類型，parameters指定相應的參數，具體格式為：
type='average'，為均值濾波，參數為n，代表模版尺寸，用向量表示，默認值為[3,3]。
type= 'gaussian'，為高斯低通濾波器，參數有兩個，n表示模版尺寸，默認值為[3,3]，sigma表示濾波器的標準差，單位為像素，默認值為0.5

NOTE：
那什么時候用到imfilter和filter2，什么時候用conv2呢？
三個函數實際的用法基本結果是一樣的。 但imfilter可進行多維圖像（RGB等）進行空間濾波，filter2 只能對二維圖像（灰度圖）進行空間濾波，conv2可以對圖像矩陣實現自己想實現的卷積操作，最簡單最常用的是二維。所以conv2和filter2類似，多維圖像（RGB等）要用imfilter

1、用法

C=conv2(A,B,shape); %卷積濾波

復制代碼

A:輸入圖像，B:卷積核
假設輸入圖像A大小為ma x na，卷積核B大小為mb x nb，則
當shape=full時，返回全部二維卷積結果，即返回C的大小為（ma+mb-1）x（na+nb-1）
shape=same時，返回與A同樣大小的卷積中心部分
shape=valid時，不考慮邊界補零，即只要有邊界補出的零參與運算的都舍去，返回C的大小為（ma-mb+1）x（na-nb+1）

2、實現步驟
假設輸入圖像A大小為ma x na，卷積核大小為mb x nb，則MATLAB的conv2函數實現流程如下：
a、對輸入圖像補零，第一行之前和最后一行之后都補mb-1行，第一列之前和最后一列之后都補nb-1列（注意conv2不支持其他的邊界補充選項，函數內部對輸入總是補零）。
b、關于卷積核的中心，旋轉卷積核180度。
c、滑動卷積核，將卷積核的中心位于圖像矩陣的每一個元素。
d、將旋轉后的卷積核乘以對應的矩陣元素再求和。

3、實現過程展示
假設有圖像A=[4 3 1 2;0 1 1 3;5 2 0 0],卷積核B=[1 2 3;0 -1 2;1 1 0]
a、首先是按照上面的步驟進行補零，如下圖外圈紅色的為補出的零

b、將卷積核旋轉180度

c、將旋轉后的核在A上進行滑動，然后對應位置相乘，最后相加，下面分別是shape=full,same,valid時取輸出圖像大小的情況，位置1表示輸出圖像的值從當前核的計算值開始（對應輸出圖像左上角），位置2表示到該位置結束（對應輸出圖像右下）

-------------------------------------filter2函數----------------------------------------
1、用法

B = filter2(h,A,shape) ; %相關(correlation)濾波

復制代碼

A:輸入圖像，h:相關核
假設輸入圖像A大小為ma x na，相關核h大小為mb x nb，則
當shape=full時，返回全部二維卷積結果，即返回B的大小為（ma+mb-1）x（na+nb-1）
shape=same時，返回與A同樣大小的卷積中心部分
shape=valid時，不考慮邊界補零，即只要有邊界補出的零參與運算的都舍去，返回B的大小為（ma-mb+1）x（na-nb+1）

2、實現步驟

假設輸入圖像A大小為ma x na，相關核h大小為mb x nb，MATLAB的filter2的實現流程如下：

a、對輸入圖像補零，第一行之前和最后一行之后都補mb-1行，第一列之前和最后一列之后都補nb-1列（注意filter2不支持其他的邊界補充選項，函數內部對輸入總是補零）。

b、滑動相關核，將相關核的中心位于圖像矩陣的每一個元素。

c、將相關核乘以對應的矩陣元素再求和

注意filter2不對核進行180°旋轉，直接對應相乘再相加，這一點與filter2不同，下面有兩者計算結果對比可看出這一點。

3、conv2（卷積濾波）和filter2（相關濾波）的結果比較
A=[43
1 2;0
1 1
3;5
2 0
0]，卷積核B=[1
2
3;0-1
2;1
10]


conv2,shape=full filter2,shape=full

-------------------------------------imfilter----------------------------------------
1、用法

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

復制代碼

A:輸入圖像，H:濾波核
option1：邊界選項，可選的有：補充固定的值X（默認都補零），symmetric,replicate,circular
option2：輸出圖像大小選項，可選的有same（默認）,full
option3：決定采用與filter2相同的相關濾波還是與conv2相同的卷積濾波

-------------------------------------最后總結----------------------------------------

1、filter2、conv2將輸入轉換為double類型，輸出也是double的，輸入總是補零（zero padded), 不支持其他的邊界補充選項。

2、imfilter：不將輸入轉換為double，輸出只與輸入同類型，有靈活的邊界補充選項

總結

以上是生活随笔為你收集整理的matlab中imfilter、conv2、imfilter2用法及区别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。