很多人使用imfilter来实现图像和过滤器之间的二维卷积，但大多数人使用conv2而不是imfilter因为它比imfilter至少快 20%。
例子：
filtered_image_with_imfilter = imfilter(image,filter,'symmetric','same','corr');
filtered_image_with_conv2 = conv2(image,filter,'same');
有人可以详细解释一下为什么conv2比imfilter.
首先，如果您将过滤器选项更改为to而不是，我认为conv2并且imfilter会给您相同的结果。默认情况下，使用相关性来过滤从图像的一侧开始的图像，而卷积是从另一侧开始的，因此过滤器输出可能会有一些小的差异。imfilterconvcorrimfilter
其次，imfilter如果过滤器大小与图像相同，我在 2D 图像上的测试会更快。
clc
data = (rand(200));
kernel = ones(200)/4e4;
tic
blurredData = conv2(data, kernel,'same');
conv2t=toc
tic
blurredData = imfilter(data, kernel,'same','conv');
imfiltime=toc
>> conv2t =
2.7425
imfiltime =
0.1552
imfilter 和都是conv2硬件优化和多线程的。对于浮点输入，它们的性能应该大致相同。但在图像处理中的大多数情况下，滤波器内核是线性可分的，imfilter将内核分离为行向量和列向量。结果，它们的速度要快得多。然而，如果滤波器内核 (1) 不是线性可分的，或者 (2) 是一个小内核，例如 5*5 滤波器内核。conv2在处理时间上获胜。我猜原因是花了一些时间检查内核在imfilter. 我不确定是否还有其他不同的机制导致两者之间的处理时间差异。
最后，如果过滤器大小与图像相同。fft永远是最好的（O(nlogn)）：
clc
data = (rand(200));
kernel = ones(200)/4e4;
tic
blurredData = conv2(data, kernel,'same');
conv2t=toc
tic
blurredData = imfilter(data, kernel,'same','conv');
imfiltime=toc
tic
D=fft2(data);
K=fft2(kernel);
blurdata=ifft2(D.*K);
fftime=toc
>>conv2t =
2.7429
imfiltime =
0.1327
fftime =
0.0164
编辑
@geometrikal 的详细分析：fft 比具有相同大小图像的 imfilter 更快的原因是 imfilter 填充了输入（即使使用“相同”）。对于小的过滤器内核，imfilter 不需要太多的填充，而要使用 fft，内核必须填充到图像的大小。在这些情况下，imfilter 更快。
对于一维情况，我认为 conv() 是在直接域中实现的，而 xcorr 是在频域中实现的。
这表明对于小内核，conv 会更快，而当输入大小相等时，xcorr 会更快。
我不知道这是否仍然是这种情况，以及它是否扩展到二维情况。
通过将输入从双精度转换为单精度（例如 fft），允许本机单精度的操作可以快 2 倍。在某些情况下，即使函数使用 fft 进行繁重的工作，它也不允许端到端的单精度。
通过考虑 Matlab 的以列为主的性质，有时可以通过在内存中仔细布局操作来实现大的加速（4 倍或更多），这样就不需要大的跳转和分散/聚集。