簡單的卷積就不說了，向量卷積用此函數與用conv效果相同，矩陣卷積用此函數與conv2的二維卷積效果相同。

此函數的方便之處在于支持三維卷積：其實相對于conv2來說就是省了一個for循環。對于三維卷積，比如A矩陣大小為[2,3,3]，B矩陣大小為[2,3]，計算A與B的卷積結果就是過程就是對于A矩陣的第三維的每一維分別卷積，等價于利用conv2利用卷積核B對A每一維卷積三次。看代碼：

>> A(:,:,1)=[1 2 3;4 5 6]; >> A(:,:,2)=[7 8 9;6 5 2]; >> A(:,:,3)=[2 5 8;3 2 1]; >> B=[1,2,3;,4,3,2]; >> convn(A,B,'valid')ans(:,:,1) =48ans(:,:,2) =104ans(:,:,3) =65>> convn(A(:,:,2),B,'valid')ans =104>>
分析：

卷積結果同樣分為三維：

第一維結果來源于A(:,:,1)與B的卷積結果

第二維結果來源于A(:,:,2)與B的卷積結果【從代碼最后一行能看出來】

第三維結果來源于A(:,:,3)與B的卷積結果

【注意】利用conv、conv2以及convn卷積時，卷積核默認被旋轉了180°

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

以上是生活随笔為你收集整理的【matlab函数】convn多维卷积的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。