转自:https://blog.csdn.net/dkcgx/article/details/46652021

转自:https://blog.csdn.net/Reborn_Lee/article/details/83279843

conv(向量卷积运算)
所谓两个向量卷积,说白了就是多项式乘法。 比如:p=[1 2 3],q=[1 1]是两个向量,p和q的卷积如下: 把p的元素作为一个多项式的系数,多项式按升幂(或降幂)排列,比如就按升幂吧,写出对应的多项式:1+2x+3x^2;同样的,把q的元素也作为多项式的系数按升幂排列,写出对应的多项式:1+x。
卷积就是“两个多项式相乘取系数”。 (1+2x+3x^2)×(1+x)=1+3x+5x^2+3x^3 所以p和q卷积的结果就是[1 3 5 3]。
记住,当确定是用升幂或是降幂排列后,下面也都要按这个方式排列,否则结果是不对的。 你也可以用matlab试试 p=[1 2 3] q=[1 1] conv(p,q) 看看和计算的结果是否相同。
conv2(二维矩阵卷积运算)
a=[1 1 1;1 1 1;1 1 1]; b=[1 1 1;1 1 1;1 1 1]; >> conv2(a,b)
ans =
     1     2     3     2     1

2     4     6     4     2

3     6     9     6     3

2     4     6     4     2

1     2     3     2     1
>> conv2(a,b,'valid')
ans =
     9
>> conv2(a,b,'same')
ans =

4     6     4

6     9     6

4     6     4
>> conv2(a,b,'full')
ans =

1     2     3     2     1

2     4     6     4     2

3     6     9     6     3

2     4     6     4     2

1     2     3     2     1

convn(n维矩阵卷积运算)

>> a=ones(5,5,5)
a(:,:,1) =

1     1     1     1     1

1     1     1     1     1

1     1     1     1     1

1     1     1     1     1

1     1     1     1     1
a(:,:,2) =
     1     1     1     1     1      1     1     1     1     1      1     1     1     1     1      1     1     1     1     1      1     1     1     1     1
a(:,:,3) =
     1     1     1     1     1      1     1     1     1     1      1     1     1     1     1      1     1     1     1     1      1     1     1     1     1
a(:,:,4) =
     1     1     1     1     1      1     1     1     1     1      1     1     1     1     1      1     1     1     1     1      1     1     1     1     1
a(:,:,5) =
     1     1     1     1     1      1     1     1     1     1      1     1     1     1     1      1     1     1     1     1      1     1     1     1     1
>> b=ones(5,5,5);
>> convn(a,b,'valid')
ans =
   125
>> convn(a,b,'same')
ans(:,:,1) =
    27    36    45    36    27

36    48    60    48    36

45    60    75    60    45

36    48    60    48    36

27    36    45    36    27
ans(:,:,2) =
    36    48    60    48    36     48    64    80    64    48     60    80   100    80    60     48    64    80    64    48     36    48    60    48    36
ans(:,:,3) =
    45    60    75    60    45     60    80   100    80    60     75   100   125   100    75     60    80   100    80    60     45    60    75    60    45
ans(:,:,4) =
    36    48    60    48    36     48    64    80    64    48     60    80   100    80    60     48    64    80    64    48     36    48    60    48    36
ans(:,:,5) =
    27    36    45    36    27     36    48    60    48    36     45    60    75    60    45     36    48    60    48    36     27    36    45    36    27
>> convn(a,b)
ans(:,:,1) =
     1     2     3     4     5     4     3     2     1

2     4     6     8    10     8     6     4     2

3     6     9    12    15    12     9     6     3

4     8    12    16    20    16    12     8     4

5    10    15    20    25    20    15    10     5

4     8    12    16    20    16    12     8     4

3     6     9    12    15    12     9     6     3

2     4     6     8    10     8     6     4     2

1     2     3     4     5     4     3     2     1
ans(:,:,2) =
     2     4     6     8    10     8     6     4     2      4     8    12    16    20    16    12     8     4      6    12    18    24    30    24    18    12     6      8    16    24    32    40    32    24    16     8     10    20    30    40    50    40    30    20    10      8    16    24    32    40    32    24    16     8      6    12    18    24    30    24    18    12     6      4     8    12    16    20    16    12     8     4      2     4     6     8    10     8     6     4     2
ans(:,:,3) =
     3     6     9    12    15    12     9     6     3      6    12    18    24    30    24    18    12     6      9    18    27    36    45    36    27    18     9     12    24    36    48    60    48    36    24    12     15    30    45    60    75    60    45    30    15     12    24    36    48    60    48    36    24    12      9    18    27    36    45    36    27    18     9      6    12    18    24    30    24    18    12     6      3     6     9    12    15    12     9     6     3
ans(:,:,4) =
     4     8    12    16    20    16    12     8     4      8    16    24    32    40    32    24    16     8     12    24    36    48    60    48    36    24    12     16    32    48    64    80    64    48    32    16     20    40    60    80   100    80    60    40    20     16    32    48    64    80    64    48    32    16     12    24    36    48    60    48    36    24    12      8    16    24    32    40    32    24    16     8      4     8    12    16    20    16    12     8     4
ans(:,:,5) =
     5    10    15    20    25    20    15    10     5     10    20    30    40    50    40    30    20    10     15    30    45    60    75    60    45    30    15     20    40    60    80   100    80    60    40    20     25    50    75   100   125   100    75    50    25     20    40    60    80   100    80    60    40    20     15    30    45    60    75    60    45    30    15     10    20    30    40    50    40    30    20    10      5    10    15    20    25    20    15    10     5
ans(:,:,6) =
     4     8    12    16    20    16    12     8     4      8    16    24    32    40    32    24    16     8     12    24    36    48    60    48    36    24    12     16    32    48    64    80    64    48    32    16     20    40    60    80   100    80    60    40    20     16    32    48    64    80    64    48    32    16     12    24    36    48    60    48    36    24    12      8    16    24    32    40    32    24    16     8      4     8    12    16    20    16    12     8     4
ans(:,:,7) =
     3     6     9    12    15    12     9     6     3      6    12    18    24    30    24    18    12     6      9    18    27    36    45    36    27    18     9     12    24    36    48    60    48    36    24    12     15    30    45    60    75    60    45    30    15     12    24    36    48    60    48    36    24    12      9    18    27    36    45    36    27    18     9      6    12    18    24    30    24    18    12     6      3     6     9    12    15    12     9     6     3
ans(:,:,8) =
     2     4     6     8    10     8     6     4     2      4     8    12    16    20    16    12     8     4      6    12    18    24    30    24    18    12     6      8    16    24    32    40    32    24    16     8     10    20    30    40    50    40    30    20    10      8    16    24    32    40    32    24    16     8      6    12    18    24    30    24    18    12     6      4     8    12    16    20    16    12     8     4      2     4     6     8    10     8     6     4     2
ans(:,:,9) =
     1     2     3     4     5     4     3     2     1      2     4     6     8    10     8     6     4     2      3     6     9    12    15    12     9     6     3      4     8    12    16    20    16    12     8     4      5    10    15    20    25    20    15    10     5      4     8    12    16    20    16    12     8     4      3     6     9    12    15    12     9     6     3      2     4     6     8    10     8     6     4     2      1     2     3     4     5     4     3     2     1

conv

Convolution and polynomial multiplication

Syntax

w = conv(u,v)

w = conv(u,v,shape)

Description

w = conv(u,v)返回向量u和v的卷积。如果u和v是多项式系数的向量,则对它们进行卷积相当于将两个多项式相乘。

w = conv(u,v,shape) returns a subsection of the convolution, as specified by shape. For example, conv(u,v,'same') returns only the central part of the convolution, the same size as u, and conv(u,v,'valid') returns only the part of the convolution computed without the zero-padded edges.

w = conv(u,v,shape)返回卷积的子部分,由形状指定。 例如,conv(u,v,'same')仅返回卷积的中心部分,与u的大小相同,而conv(u,v,'valid')仅返回计算后的卷积部分而没有零填充边。


Polynomial Multiplication via Convolution

Create vectors u and v containing the coefficients of the polynomials x^2 + 1 and 2x + 7.

u = [1 0 1];
v = [2 7];

Use convolution to multiply the polynomials.

w = conv(u,v)
w = 1×4

     2     7     2     7

w contains the polynomial coefficients for  2x^3 + 7x^2 + 2x + 7.


Vector Convolution

Create two vectors and convolve them.

u = [1 1 1];
v = [1 1 0 0 0 1 1];
w = conv(u,v)
w = 1×9

     1     2     2     1     0     1     2     2     1

The length of w is length(u)+length(v)-1, which in this example is 9.


Central Part of Convolution

Create two vectors. Find the central part of the convolution of u and v that is the same size as u.

u = [-1 2 3 -2 0 1 2];
v = [2 4 -1 1];
w = conv(u,v,'same')
w = 1×7

    15     5    -9     7     6     7    -1

w has a length of 7. The full convolution would be of length length(u)+length(v)-1, which in this example would be 10.



matlab中卷积convolution与filter用法的更多相关文章

  1. matlab中norm与svd函数用法

    格式:n=norm(A,p) 功能:norm函数可计算几种不同类型的矩阵范数,根据p的不同可得到不同的范数 以下是Matlab中help norm 的解释: NORM Matrix or vector ...

  2. MATLAB中的max函数的用法及含义

    当A是一个列向量时候,返回一个最大值,在此不在赘述. 当Amxn是一个矩阵的时候,有以下几种情况: ①   C = max(max(A)),返回矩阵最大值 ②   D = max(A,[],1),返回 ...

  3. matlab中卷积编码参数的理解

    poly2trellis(7, [171 133])代表什么意思呢?首先是7,他是1*k的vector,此处k为1,[171 133]是k*n的vector,此处n就是2,那么这个编码就是1/2码率的 ...

  4. matlab中disp函数的简单用法

    输出数组类型的数据,也可以把string类型的数据看做数组输出 输出数字 >> num = ; >> disp(num) 输出字符串 >> disp('this i ...

  5. matlab中的卷积——filter,conv之间的区别

    %Matlab提供了计算线性卷积和两个多项式相乘的函数conv,语法格式w=conv(u,v),其中u和v分别是有限长度序列向量,w是u和v的卷积结果序列向量. %如果向量u和v的长度分别为N和M,则 ...

  6. 图像卷积、相关以及在MATLAB中的操作

    图像卷积.相关以及在MATLAB中的操作 2016年7月11日 20:34:35, By ChrisZZ 区分卷积和相关 图像处理中常常需要用一个滤波器做空间滤波操作.空间滤波操作有时候也被叫做卷积滤 ...

  7. matlab中fspecial Create predefined 2-D filter以及中值滤波均值滤波以及高斯滤波

    来源: 1.https://ww2.mathworks.cn/help/images/ref/fspecial.html?searchHighlight=fspecial&s_tid=doc_ ...

  8. Matlab中imfilter()函数的用法

    Matlab中imfilter()函数的用法 功能:对任意类型数组或多维图像进行滤波.用法:B = imfilter(A,H) B = imfilter(A,H,option1,option2,... ...

  9. MATLAB中conv2的详细用法 (以及【matlab知识补充】conv2、filter2、imfilter函数原理)

    转载: 1.https://blog.csdn.net/jinv5/article/details/52874880 2.https://blog.csdn.net/majinlei121/artic ...

随机推荐

  1. redis的集群搭建(很详细很详细)

    说在前面的话 之前有一节说了redis单机版的搭建和使用jedis管理redis单机版和集群版, 本节主要讲一下redis的集群搭建. 跳转到jedis管理redis的使用 认识redis集群 首先我 ...

  2. Pulsar 联合 TiDB 推出大数据场景数据应用分析解决方案

    方案概述 大数据时代,各类应用对消息解决方案的要求不仅仅是数据的流动,而是要在持续增长的服务和应用中传输海量数据,进行智能的处理和分析,帮助业务做出更加精准的决策. Pulsar 与 TiDB 联合解 ...

  3. Fitness - 05.04

    倒计时241天 运动38分钟,共计9组.拉伸10分钟. 每组跑步2分钟(6.3KM/h),走路2分钟(6KM/h). 上午下了课,直奔健身房. 手机坏了,没有听音乐. 没有吃午饭,但是上午喝的咖啡还是 ...

  4. 详细分析链表中的递归性质(Java 实现)

    目录 链表中的递归性质 前言 LeetCode 上关于链表的一道问题 203 号题目 移除链表中的元素 递归的基本概念与示例 链表天然的递归性 小结 链表中的递归性质 前言 在前面的 链表的数据结构的 ...

  5. Codeforces Round #669 (Div. 2)A-C题解

    A. Ahahahahahahahaha 题目:http://codeforces.com/contest/1407/problem/A 题解:最多进行n/2的操作次数,我们统计这n个数中1的个数,是 ...

  6. 2020重新出发,NOSQL,MongoDB分布式集群架构

    MongoDB分布式集群架构 看到这里相信你已经掌握了 MongoDB 的大部分基本知识,现在在单机环境下操作 MongoDB 已经不存在问题,但是单机环境只适合学习和开发测试,在实际的生产环境中,M ...

  7. Linux:安装禅道

    一.准备工作 禅道安装包ZenTaoPMS.8.1.3.zbox_64.gz,上传至服务器:rz命令 解压到指定目录  tar -zxvf ZenTaoPMS.8.1.3.zbox_64.gz -C ...

  8. html基础:DOM操作

    DOM(Document Object Model 文档对象模型) 一个web页面被封装成一个dom对象,通过dom中的js对页面的标签进行操作 一.获取对象 浏览器页面上右键--检查--consol ...

  9. App网络测试

    弱网测试作为健壮性测试的重要部分,对于移动端测试必不可少. 什么样的网络属于弱网? 小于或等于2G速率的都属于弱网,且随着5G的到来,3G网络速率的降低,未来3G也会逐渐划入弱网的行列. 对于弱网的数 ...

  10. md5命令

    AIX 系统md5命令之csum #csum filename (默认使用md5算法) #csum -h SHA1 filename (使用sha1算法)Linux系统命令之md5sum 1. 背景 ...