%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，则向量w的长度为N+M-1.如果向量u和v是两个多项式的系数，则w就是这两个多项式乘积的系数。
x=ones(1,4); %x(n)=R4(n)
h=ones(1,4); %h(n)=R4(n)
y=conv(x,h); %y(n)=x(n) * h(n)
conv是做卷积，就是按照书上的做法，先翻转，在一步步平移，得出结果。对于两个长度分别为n,m的序列，卷积结果长度为m+n-1
filter是做滤波，其实原理跟卷积是想通的，只不过处理结果的方法不同，先看示例程序：
- x=[1,2,3,4,5];
- h=[1,1,1];
- y1=conv(h,x)
- y2=filter(h,1,x)
- y3=filter(x,1,h)
- y4=filter(x,1,[h,zeros(1,4)])
结果为：
- y1 =
- 1 3 6 9 12 9 5
- y2 =
- 1 3 6 9 12
- y3 =
- 1 3 6
- y4 =
- 1 3 6 9 12 9 5
现在对结果一一作出解释；
1.y1的确是严格按照卷积的数学表达式计算的，不解释。
在解释后面几条时，先说一下filter的用法：filter(B,A,X)，其中B，A组成一个差分方程，X是输入信号，例如：
filter([1,2],1,[1,2,3,4,5])实现 y[k]=x[k]+2*x[k-1]
咱们这里讨论的就是A=1的情况。有了基本说明，现在言归正传：
2.说明filter函数平移停滞在X的最后一个输入与滤波器的第一个系数对齐时。这里为
从
- 1 1 1
- 5 4 3 2 1
- 输出1，到
- 1 1 1
- 5 4 3 2 1
- 输出12
3.验证2的观点，这里为：
从
- 1 2 3 4 5
- 1 1 1
- 输出1，到
- 1 2 3 4 5
- 1 1 1
- 输出6
4.依然是验证2的观点，从
- 1 2 3 4 5
- 0 0 0 0 1 1 1 1
- 输出1，到
- 1 2 3 4 5
- 0 0 0 0 1 1 1 1
- 输出5
并且，第4种情况下，通过补0使得所有的1都移到了滤波器抽头的末尾，这个结果与卷积是相同的。
到这里，我想大家就明白了二者的区别和关系。
在MATLAB中，可以用函数y=filter(p,d,x)实现差分方程的仿真，也可以用函数 y=conv(x,h)计算卷积。
（1）即y=filter(p,d,x)用来实现差分方程，d表示差分方程输出y的系数，p表示输入x的系数，而x表示输入序列。输出结果长度数等于x的长度。
实现差分方程，先从简单的说起：
filter([1,2],1,[1,2,3,4,5])，实现y[k]=x[k]+2*x[k-1]
y[1]=x[1]+2*0=1 (x[1]之前状态都用0)
y[2]=x[2]+2*x[1]=2+2*1=4
（2）y=conv(x,h)是用来实现卷级的，对x序列和h序列进行卷积，输出的结果个数等于x的长度与h的长度之和减去1。
卷积公式：z(n)=x(n)*y(n)= ∫x(m)y(n-m)dm.
程序一：以下两个程序的结果一样
（1）h = [3 2 1 -2 1 0 -4 0 3]; % impulse response
x = [1 -2 3 -4 3 2 1]; % input sequence
y = conv(h,x);
n = 0:14;
subplot(2,1,1);
stem(n,y);
xlabel('Time index n'); ylabel('Amplitude');
title('Output Obtained by Convolution'); grid;
（2）x1 = [x zeros(1,8)];
y1 = filter(h,1,x1);
subplot(2,1,2);
stem(n,y1);
xlabel('Time index n'); ylabel('Amplitude');
title('Output Generated by Filtering'); grid;
程序二：filter和conv的不同
x=[1,2,3,4,5];
h=[1,1,1];
y1=conv(h,x)
y2=filter(h,1,x)
y3=filter(x,1,h)
结果：y1 = 1 3 6 9 12 9 5
y2 = 1 3 6 9 12
y3 = 1 3 6
可见：filter函数y(n)是从n=1开始，认为所有n<1都为0；而conv是从卷积公式计算，包括n<1部分。
因此filter 和conv 的结果长短不同
程序三：滤波后信号幅度的变化
num=100; %总共1000个数
x=rand(1,num); %生成0~1随机数序列
x(x>0.5)=1;
x(x<=0.5)=-1;
h1=[0.2,0.5,1,0.5,0.2];
h2=[0,0,1,0,0];
y1=filter(h1,1,x);
y2=filter(h2,1,x);
n=0:99;
subplot(2,1,1);
stem(n,y1);
subplot(2,1,2);
stem(n,y2);
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)。
例：
A=magic(5)
A =
17 24 1 8 15
23 5 7 14 16
4 6 13 20 22
10 12 19 21 3
11 18 25 2 9
>> B=[1 2 1 ;0 2 0;3 1 3]
B =
1 2 1
0 2 0
3 1 3
>> C=conv2(A,B)
C =
17 58 66 34 32 38 15
23 85 88 35 67 76 16
55 149 117 163 159 135 67
79 78 160 161 187 129 51
23 82 153 199 205 108 75
30 68 135 168 91 84 9
33 65 126 85 104 15 27
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