本文记录Matlab中的imfilter函数在Python下的对应函数,同时完美处理matlab卷积中对于边界的处理;文章引自ShuqiaoS博主,在此表示感谢,并加以验证和方法修改以及内容补充。
原文链接:https://blog.csdn.net/ShuqiaoS/article/details/110389141?spm=1001.2014.3001.5502
文章目录
首先给出结论:
Matlab | Python |
---|---|
imfilter中的'conv' | scipy.ndimage.convolve |
imfilter中的'conv' | scipy.ndimage.convolve |
imfilter中的'corr' | scipy.ndimage.correlate |
imfilter中的'replicate'选项 | 上述函数中的mode='nearest'选项 |
n×n的核 | 相同的核 |
n×1的核 | 将数值放于n × n 的核的第n / 2 + 1 列(注意起始下标id=0),其余位置为0 |
1×n的核 | 将数值放于n × n 的核的第n / 2 行,其余位置为0 |
其中,可以用命令scipy.ndimage.filters.convolve
和scipy.ndimage.filters.correlate
,也可以用scipy.ndimage.convolve
和scipy.ndimage.correlate
,这两个命令是等价的
Conv
核尺寸为n×n时
下面的例子中,输入为:
核函数为:
Matlab命令:
python
imfilter(img, kernel, 'conv', 'replicate')
对应Python命令:
python
scipy.ndimage.filters.convolve(input, kernel, mode='nearest')
二者结果对比:
需要注意的是,上述命令中,Matlab下kernel的尺寸可以是列或行向量,但是Python下必须是一个n ∗ n 的矩阵,否则会报错。
核尺寸为n×1时
当核为列向量时,在Matlab中可以直接使用。比如当核为kernel = [1, 0, 1, 2, 1, 2, 3, 7, -1]
时,Matlab命令:
python
output_tmp = imfilter(tmp, kernel, 'conv', 'replicate');
的运行结果如下:
此时,如果想要得到相同的运算结果,则需要在Python下将值放置于中心位置,如下图所示:
此时,Python下的计算结果为:
与Matlab相同。
如果核尺寸为偶数,Python核有值的位置为n / 2 (Python中下标从0开始)。比如当n = 10 的时候,需要将第6列变成当前需要的数值(即对应Python下id=5)。例如,Matlab中核为kernel = [1, 0, 1, 2, 1, 2, 3, 7, -1, 1]
;,则Python下的核需要写成:
同样用命令
python
output_tmp = imfilter(tmp, kernel, 'conv', 'replicate') % Matlab命令
scipy.ndimage.filters.convolve(input, kernel, mode='nearest') # Python命令
得到如下结果:
核尺寸为1×n时
当核为行向量时,在Matlab中可以直接使用,Python核有值的位置为n / 2 行。比如当核为kernel = [1, 0, 1, 2, 1, 2, 3, 7, -1]
时,Matlab命令:
output_tmp = imfilter(tmp, kernel, 'conv', 'replicate')
的计算结果如下:
如果想得到同等对应的Python结果,则需要将核变成:
Python下的结果为
对于n 为偶数的情况也是相同的。如,Matlab下的核为kernel = [1, 0, 1, 2, 1, 2, 3, 7, -1, 1]
时,命令
python
output_tmp = imfilter(tmp, kernel, 'conv', 'replicate')
的结果为:
此时对应的Python核为:
结果为:
Corr
核尺寸为n×1时和核尺寸为1×n时的对应关系与前文Conv中所述相同,这里不再赘述。
下面的例子中,输入为:
核函数为:
Matlab命令:
python
imfilter(img, kernel, 'corr', 'replicate')
对应Python命令:
python
scipy.ndimage.filters.correlate(input, kernel, mode='nearest')
Conv2
虽然conv2在python中非常类似的替代函数convolve2d,但测试发现效果不好,会存在值不匹配问题,整体值上移一层,造成错误。
比如:
matlab代码:
python
sstnum = conv2(sstnan,kernel,'same');
matlab结果为:
但使用python代码convolve2d方法:
python
sstnum = convolve2d(sstnan1, kernel, mode='same', boundary='fill', fillvalue=0)
python结果为:
可以发现python的结果明显比matlab结果多了第一行,所以这种方法不可取。
推荐使用方法为:
python
sstnum = convolve(sstnan1, np.rot90(kernel, 2), mode='constant', cval=0.0)
仍然使用卷积的方法,此时python结果为: