来源
：https://blog.csdn.net/u013066730/article/details/56665308（比较详细）
https://blog.csdn.net/yuanhuiling/article/details/79128116
mfilter实现的是线性空间滤波；
conv2是计算两个矩阵的二维卷积
1、MATLAB中提供了卷积运算的函数命令conv2，其语法格式为：
C = conv2(A,B)
C = conv2(A,B)返回矩阵A和B的二维卷积C。若A为ma×na的矩阵，B为mb×nb的矩阵，则C的大小为(ma+mb+1)×(na+nb+1)。
2、MATLAB图像处理工具箱提供了基于卷积的图象滤波函数filter2，filter2的语法格式为：
Y = filter2(h,X)
其中Y = filter2(h,X)返回图像X经算子h滤波后的结果，默认返回图像Y与输入图像X大小相同。例如：
其实filter2和conv2是等价的。MATLAB在计算filter2时先将卷积核旋转180度，再调用conv2函数进行计算。
Fspecial函数用于创建预定义的滤波算子，其语法格式为：
h = fspecial(type)
h = fspecial(type,parameters)
参数type制定算子类型，parameters指定相应的参数，具体格式为：
type=\'average\'，为均值滤波，参数为n，代表模版尺寸，用向量表示，默认值为[3,3]。
type= \'gaussian\'，为高斯低通滤波器，参数有两个，n表示模版尺寸，默认值为[3,3]，sigma表示滤波器的标准差，单位为像素，默认值为0.5
NOTE：
那什么时候用到imfilter和filter2，什么时候用conv2呢？
三个函数实际的用法基本结果是一样的。 但imfilter可进行多维图像（RGB等）进行空间滤波，filter2 只能对二维图像（灰度图）进行空间滤波，conv2可以对图像矩阵实现自己想实现的卷积操作，最简单最常用的是二维。所以conv2和filter2类似，多维图像（RGB等）要用imfilter
conv2是计算两个矩阵的二维卷积
1、MATLAB中提供了卷积运算的函数命令conv2，其语法格式为：
C = conv2(A,B)
C = conv2(A,B)返回矩阵A和B的二维卷积C。若A为ma×na的矩阵，B为mb×nb的矩阵，则C的大小为(ma+mb+1)×(na+nb+1)。
2、MATLAB图像处理工具箱提供了基于卷积的图象滤波函数filter2，filter2的语法格式为：
Y = filter2(h,X)
其中Y = filter2(h,X)返回图像X经算子h滤波后的结果，默认返回图像Y与输入图像X大小相同。例如：
其实filter2和conv2是等价的。MATLAB在计算filter2时先将卷积核旋转180度，再调用conv2函数进行计算。
Fspecial函数用于创建预定义的滤波算子，其语法格式为：
h = fspecial(type)
h = fspecial(type,parameters)
参数type制定算子类型，parameters指定相应的参数，具体格式为：
type=\'average\'，为均值滤波，参数为n，代表模版尺寸，用向量表示，默认值为[3,3]。
type= \'gaussian\'，为高斯低通滤波器，参数有两个，n表示模版尺寸，默认值为[3,3]，sigma表示滤波器的标准差，单位为像素，默认值为0.5
NOTE：
那什么时候用到imfilter和filter2，什么时候用conv2呢？
三个函数实际的用法基本结果是一样的。 但imfilter可进行多维图像（RGB等）进行空间滤波，filter2 只能对二维图像（灰度图）进行空间滤波，conv2可以对图像矩阵实现自己想实现的卷积操作，最简单最常用的是二维。所以conv2和filter2类似，多维图像（RGB等）要用imfilter
1、用法
- C=conv2(A,B,shape); %卷积滤波
假设输入图像A大小为ma x na，卷积核B大小为mb x nb，则
当shape=full时，返回全部二维卷积结果，即返回C的大小为（ma+mb-1）x（na+nb-1）
shape=same时，返回与A同样大小的卷积中心部分
shape=valid时，不考虑边界补零，即只要有边界补出的零参与运算的都舍去，返回C的大小为（ma-mb+1）x（na-nb+1）
2、实现步骤
假设输入图像A大小为ma x na，卷积核大小为mb x nb，则MATLAB的conv2函数实现流程如下：
a、对输入图像补零，第一行之前和最后一行之后都补mb-1行，第一列之前和最后一列之后都补nb-1列（注意conv2不支持其他的边界补充选项，函数内部对输入总是补零）。
b、关于卷积核的中心，旋转卷积核180度。
c、滑动卷积核，将卷积核的中心位于图像矩阵的每一个元素。
d、将旋转后的卷积核乘以对应的矩阵元素再求和。
3、实现过程展示
假设有图像A=[4 3 1 2;0 1 1 3;5 2 0 0],卷积核B=[1 2 3;0 -1 2;1 1 0]
a、首先是按照上面的步骤进行补零，如下图外圈红色的为补出的零
c、将旋转后的核在A上进行滑动，然后对应位置相乘，最后相加，下面分别是shape=full,same,valid时取输出图像大小的情况，位置1表示输出图像的值从当前核的计算值开始（对应输出图像左上角），位置2表示到该位置结束（对应输出图像右下）
-------------------------------------filter2函数----------------------------------------
1、用法
- B = filter2(h,A,shape) ; %相关(correlation)滤波
假设输入图像A大小为ma x na，相关核h大小为mb x nb，则
当shape=full时，返回全部二维卷积结果，即返回B的大小为（ma+mb-1）x（na+nb-1）
shape=same时，返回与A同样大小的卷积中心部分
shape=valid时，不考虑边界补零，即只要有边界补出的零参与运算的都舍去，返回B的大小为（ma-mb+1）x（na-nb+1）
2、实现步骤
假设输入图像A大小为ma x na，相关核h大小为mb x nb，MATLAB的filter2的实现流程如下：
a、对输入图像补零，第一行之前和最后一行之后都补mb-1行，第一列之前和最后一列之后都补nb-1列（注意filter2不支持其他的边界补充选项，函数内部对输入总是补零）。
b、滑动相关核，将相关核的中心位于图像矩阵的每一个元素。
c、将相关核乘以对应的矩阵元素再求和
注意filter2不对核进行180°旋转，直接对应相乘再相加，这一点与filter2不同，下面有两者计算结果对比可看出这一点。
3、conv2（卷积滤波）和filter2（相关滤波）的结果比较
A=[4 3 1 2;0 1 1 3;5 2 0 0]，卷积核B=[1 2 3;0 -1 2;1 1 0]
conv2,shape=full filter2,shape=full
-------------------------------------imfilter----------------------------------------
1、用法
- B=imfilter(A,H,option1,option2,option3)；
option1：边界选项，可选的有：补充固定的值X（默认都补零），symmetric,replicate,circular
option2：输出图像大小选项，可选的有same（默认）,full
option3：决定采用与filter2相同的相关滤波还是与conv2相同的卷积滤波
-------------------------------------最后总结----------------------------------------
1、 filter2、conv2将输入转换为double类型，输出也是double的，输入总是补零（zero padded), 不支持其他的边界补充选项。
2、 imfilter：不将输入转换为double，输出只与输入同类型，有灵活的边界补充选项
请发表评论