反卷积函数（如何通俗的理解图像处理中常见的去卷积（反卷积or）

1. 什么是卷积公式
2. 如何通俗的理解图像处理中常见的去卷积（反卷积or
3. z变换卷积定理

什么是卷积公式

卷积公式是通过两个函数f和g生成第三个函数的一种数学算子，表征函数f与经过翻转和平移的g的重叠部分的累积。

如果将参加卷积的一个函数看作区间的指示函数，卷积还可以被看作是“滑动平均”的推广。

卷积公式是一种积分变换的数学方法，在许多方面得到了广泛应用。

用卷积公式解决试井解释中的问题，早就取得了很好成果；而反褶积，直到最近,Schroeter、Hollaender和Gringarten等人解决了其计算方法上的稳定性问题，使反褶积方法很快引起了试井界的广泛注意。

有专家认为，反褶积的应用是试井解释方法发展史上的又一次重大飞跃。

他们预言，随着测试新工具和新技术的增加和应用，以及与其它专业研究成果的更紧密结合，试井在油气藏描述中的作用和重要性必将不断增大。

卷积公式是用来求随机变量和的密度函数(pdf)的计算公式。

z(t)=x(t)*y(t)=∫x(m)y(t-m)dm. 这是一个定义式。已知x,y的pdf,x(t),y(t).现在要求z=x+y的pdf. 我们作变量替显，令z=x+y,m=x. 雅可比行列式=1.那么,t，m联合密度就是f(z,m)=x(m)y(z-m)*1. 这样，我们就可以很容易求Z的在（z,m)中边缘分布。

即fZ(z)=∫x(m)y(z-m)dm..... 由于这个公式和x(t),y(t)存在一一对应的关系。为了方便，所以我们记 ∫x(m)y(z-m)dm=x(t)*y(t)。

如何通俗的理解图像处理中常见的去卷积（反卷积or

谈谈我的理解

卷积是一种运算操作，傅里叶变换是一种变换操作。卷积在图像处理的应用中一般是卷积滤波，即用一个卷积模板（卷积核/滤波器）去进行滤波，而傅里叶变换在信号处理中往往是变换时域和频域，在图像处理中便是空域和频域。那么我先把你说的边缘处理就认为是图像滤波里面的一种好了。那问题就变成是图像处理

空域滤波

时域滤波

卷积滤波

可以得到，假如原图是M*N大小，卷积核为m*n, 时间复杂度约为

M * N * m * n

而卷积核通常比较小，一般有 3 * 3 和 5 * 5等，所以可以卷积滤波算法复杂度可以约为 c * M * N ，c为常数

z变换卷积定理

卷积定理是傅立叶变换满足的一个重要性质。卷积定理指出，函数卷积的傅立叶变换是函数傅立叶变换的乘积。具体分为时域卷积定理和频域卷积定理，时域卷积定理即时域内的卷积对应频域内的乘积；频域卷积定理即频域内的卷积对应时域内的乘积，两者具有对偶关系。

f(x,y) * h(x,y)<=>F(u,v)H(u,v)

f(x,y)h(x,y)<=>[F(u,v) * H(u,v)]/2π (A * B 表示做A与B的卷积）

二个二维连续函数在空间域中的卷积可求其相应的二个傅立叶变换乘积的反变换而得。反之，在频域中的卷积可用的在空间域中乘积的傅立叶变换而得。

这一定理对拉普拉斯变换、双边拉普拉斯变换、Z变换、Mellin变换和Hartley变换等各种傅里叶变换的变体同样成立。在调和分析中还可以推广到在局部紧致的阿贝尔群上定义的傅里叶变换。利用卷积定理可以简化卷积的运算量。对于长度为n的序列，按照卷积的定义进行计算，需要做2N - 1组对位乘法，其计算复杂度为O(N * N)；而利用傅里叶变换将序列变换到频域上后，只需要一组对位乘法，利用傅里叶变换的快速算法之后，总的计算复杂度为O(N * log N)。这一结果可以在快速乘法计算中得到应用。

到此，以上就是小编对于反卷积函数用法 matlab的问题就介绍到这了，希望介绍的3点解答对大家有用，有任何问题和不懂的，欢迎各位老师在评论区讨论，给我留言。