应用高斯滤波器内核后的卷积答案

【问题标题】：Convolution after applying a gaussian filter kernel应用高斯滤波器内核后的卷积
【发布时间】：2014-05-27 10:15:33
【问题描述】：

我编写了一段代码here 来将图像与给定内核进行卷积。根据我在页面底部收到的建议，与使用 conv2 函数时相比，我设法获得了 [几乎] 完全相同的图片。几乎我的意思是imshow 显示的图像看起来相同，但输出图片中的值略有不同。但是，当我将高斯核与图像进行卷积时，情况会变得更糟。然后我自己和 conv2 函数的输出相差很大！这是为什么？你能告诉我我的代码有什么问题吗？

原来我做错了。我对 imageFilter() 做了一些修改，但直到现在才注意到它们存在两天！

可以看到imageFilter()代码here。

gaussKernel = fspecial('gaussian', 3, 2);
testImage1 = imageFilter(image, gaussKernel);
testImage2 = conv2(image, gaussKernel);

谢谢

【问题讨论】：

什么是imageFilter？
另外，“差异很大”不是一个有用的描述。请提供一个具体的例子。
你说的外图，是指朝向外边缘的像素，比如函数的支持与边缘重叠的像素吗？另外，与您的问题无关，但是对于 2 的 sigma，您的支持似乎很小。
裁剪上下三行和左右三列，图片还会有差异吗？
原来我做错了。我对 imageFilter() 做了一些修改，但直到现在才注意到它们存在两天！

标签： matlab image-processing computer-vision mask convolution

【解决方案1】：

有两个原因：

精度： 在 imageFilter 方法的最后一行中，您将转换为 uint8 数据类型（这是一个 8 位整数），因此您基本上是在对结果进行四舍五入：

finalImg = uint8(finalImg);

但是，本机方法conv2 提供了一个数据类型为double 的矩阵gaussKernel，它以双精度进行卷积，因此精度更高。
边界条件：conv2 有第三个参数（参见docs），它与结果的形状有关。在您的方法中，您使用与原始图像相同大小的零填充计算卷积结果，而conv2 默认情况下计算完整卷积。

所以一个简单的修改将产生相同的结果：

gaussKernel = fspecial('gaussian', 3, 2);
testImage1 = imageFilter(im, gaussKernel);
testImage2 = uint8(conv2(im, gaussKernel, 'same'));

【讨论】：