主要内容
conv2
二维卷积
描述
例子
二维卷积
在像图像处理这样的应用中，直接比较卷积的输入和输出是很有用的。的conv2函数允许您控制输出的大小。
创建一个3 × 3的随机矩阵一个和一个4 × 4的随机矩阵B．计算的全卷积一个和B它是一个6 × 6矩阵。
一个=兰德(3);B =兰德(4);Cfull = conv2 (A, B)
Cfull =6×61.7861 1.2768 1.4581 1.0007 0.2876 0.0099 1.0024 1.8458 3.0844 2.5151 1.5196 0.2560 1.0561 1.9824 3.5790 3.9432 2.9708 0.787 1.6790 2.0772 3.0052 3.7511 2.7593 1.5129 0.9902 1.1000 2.4492 1.6082 1.7976 1.2655 0.1215 0.1469 1.0409 0.5540 0.6941 0.6499
计算卷积的中心部分Csame的子矩阵Cfull和…大小一样一个．Csame等于Cfull (3:5, 3:5)．
Csame = conv2 (A, B,“相同”）
Csame =3×33.5790 3.9432 2.9708 3.0052 3.7511 2.7593 2.4492 1.6082 1.7976
提取二维基座边缘
Sobel边缘查找操作使用一个二维卷积来检测图像和其他二维数据中的边缘。
创建并绘制一个内部高度等于1的2d基座。
一个= 0 (10);一个(3:7,3:7)= 1 (5);网(一个)
卷积的行一个与向量u，然后将结果的行与向量卷积v．卷积提取基座的水平边缘。
U = [1 0 -1]';V = [1 2 1];Ch = conv2 (u, v,);网格(Ch)
为了提取基座的垂直边缘，将卷积的顺序颠倒u和v．
简历= conv2 (u, v);网格(简历)
计算并绘制基座的组合边缘。
图网(sqrt (Ch。^ 2 +简历。^ 2))
输入参数
输出参数
更多关于
扩展功能
之前介绍过的R2006a
你也可以从以下列表中选择一个网站:
