深度学习FPGA实现基础知识15(Matlab图像处理“卷积”运算)-蒲公英云

深度学习FPGA实现基础知识15(Matlab图像处理“卷积”运算)

需求说明：深度学习FPGA实现知识储备

来自：时间的诗

说明：用Matlab验证图像卷积运算可以通过FFT和IFFT实现，且结果与直接进行卷积运算相同。

利用fft2和conv2做卷积
       clc; clear all;
        %% 利用fft2计算二维卷积
        % 利用fft2函数可以计算二维卷积,如:
       a=[
        2 
        2 
        1;
        1 
        2 
        3;
        1 
        1 
        1];  
       b=[
        11 
        2 
        3 
        3 
        4 
        1;
        2 
        3 
        3 
        4 
        1 
        5; …
        2 
        7 
        12 
        22 
        11 
        11;
        21 
        22 
        11 
        3 
        4 
        5; …
        7 
        8 
        6 
        2 
        1 
        2;
        4 
        5 
        3 
        32 
        1 
        21];
       a
        0 = a; b
        0 = b;
       [ma, na] = size(a); % a的维数
       [mb, nb] = size(b); % b的维数
       a(ma*mb-
        1, na*nb-
        1) = 
        0; % 扩展a
       b(ma*mb-
        1, na*nb-
        1) = 
        0; % 扩展b
       c=ifft2(fft2(a).*fft2(b)); % 用fft2和ifft2
       c1=c(
        1
        :ma+mb-
        1,
        1
        :na+nb-
        1); % 提取
        %% 利用conv2(二维卷积函数)校验, 如：
        a=a0; b = b0;
        c2=conv2(a,b); % 用conv2
       fprintf(
        ’\nUse fft2, c1 = \n’); disp(c1);
       fprintf(
        ’\nUse conv2, c2 = \n’); disp(c2);
       % 经验证发现是一样的，所以说求卷积可以使用傅立叶变换后点乘，
       % 然后在逆傅立叶变换回去则可

计算结果

Use fft2, c1 = 
        22.0000   
        26.0000   
        21.0000   
        14.0000   
        17.0000   
        13.0000    
        6.0000    
        1.0000
        15.0000   
        34.0000   
        54.0000   
        32.0000   
        32.0000   
        34.0000   
        25.0000    
        8.0000
        17.0000   
        38.0000   
        71.0000  
        102.0000  
        106.0000   
        93.0000   
        51.0000   
        27.0000
        46.0000  
        102.0000  
        127.0000  
        127.0000  
        124.0000  
        130.0000   
        75.0000   
        43.0000
        37.0000  
        103.0000  
        174.0000  
        156.0000  
        100.0000   
        74.0000   
        49.0000   
        28.0000
        36.0000   
        83.0000  
        117.0000  
        149.0000  
        110.0000   
        98.0000   
        59.0000   
        32.0000
        11.0000   
        28.0000   
        46.0000   
        69.0000   
        83.0000  
        124.0000   
        48.0000   
        65.0000
        4.0000    
        9.0000   
        12.0000   
        40.0000   
        36.0000   
        54.0000   
        22.0000   
        21.0000
        Use conv2, c2 = 
        22    
        26    
        21    
        14    
        17    
        13     
        6     
        1
        15    
        34    
        54    
        32    
        32    
        34    
        25     
        8
        17    
        38    
        71   
        102   
        106    
        93    
        51    
        27
        46   
        102   
        127   
        127   
        124   
        130    
        75    
        43
        37   
        103   
        174   
        156   
        100    
        74    
        49    
        28
        36    
        83   
        117   
        149   
        110    
        98    
        59    
        32
        11    
        28    
        46    
        69    
        83   
        124    
        48    
        65
        4     
        9    
        12    
        40    
        36    
        54    
        22    
        21
</div>