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. Python错误,pip安装包或更新时因超时而报错误

    报错原因 想要使用pip,结果出下以下警告: 很多人学习python,不知道从何学起.很多人学习python,掌握了基本语法过后,不知道在哪里寻找案例上手.很多已经做案例的人,却不知道如何去学习更加高 ...

  2. Python爬虫实战 批量下载高清美女图片

    彼岸图网站里有大量的高清图片素材和壁纸,并且可以免费下载,读者也可以根据自己需要爬取其他类型图片,方法是类似的,本文通过python爬虫批量下载网站里的高清美女图片,熟悉python写爬虫的基本方法: ...

  3. .net core中使用jwt进行认证

    JSON Web Token(JWT)是一个开放标准(RFC 7519),它定义了一种紧凑且自包含的方式,用于在各方之间作为JSON对象安全地传输信息.由于此信息是经过数字签名的,因此可以被验证和信任 ...

  4. 跟着兄弟连系统学习Linux-【day03】

    day03-20200529 p10.学习注意事项         linux严格区分大小写(与python有点像)         Linux中所有内容都是通过文件形式保存,通过命令执行设置参数,写 ...

  5. Agumaster 增加日交易数据列表

  6. vueJs 安装

    1.下载nodeJs 可前往 https://www.cnblogs.com/takeyblogs/p/13600124.html 这里下载 2.由于 npm 安装速度慢,本教程使用了淘宝的镜像及其命 ...

  7. 单应用模式 - Layuiadmin单页版放入TP6.0的部署方案

    thinkphp6.0.3单应用模式.layuiadmin1.4.0单页版,不需要tp的视图驱动 1. 复制 src.start 两个文件夹 2. 粘贴到 thinkphp 的 public 目录下 ...

  8. 【NOIP2013模拟】太鼓达人

    题目描述 七夕祭上,Vani牵着cl的手,在明亮的灯光和欢乐的气氛中愉快地穿行.这时,在前面忽然出现了一台太鼓达人机台,而在机台前坐着的是刚刚被精英队伍成员XLk.Poet_shy和lydrainbo ...

  9. Oracle命令类别

    Oracle命令类别: 数据操纵语言:DML: select; insert; delete; update; merge. 数据定义语言:DDL: create; alter; drop; trun ...

  10. java里的锁总结(synchronized隐式锁、Lock显式锁、volatile、CAS)

    一.介绍 首先, java 的锁分为两类: 第一类是 synchronized 同步关键字,这个关键字属于隐式的锁,是 jvm 层面实现,使用的时候看不见: 第二类是在 jdk5 后增加的 Lock ...