好吧，这是一个相当复杂的问题。我将尝试将其分解为单独的部分，并分别回答每个问题。
问题#1
blockproc可用于使用以下方法在滑动窗口上实现我的功能BorderSize and TrimBorder论据。
B = blockproc(A,[64,64],fun,'BorderSize',[5,5], 'TrimBorder', 'false');
我意识到这会创建一个块[64 + 2*5, 64 + 2*5]并应用该函数@fun在每个块上。但由于我无法进入我的功能@fun在调试以验证正确操作时，我无法确定这就是我所需要的。我上面的代码是否适合我的需要？我知道我得到了一个串联结果B但它应该位于重叠的滑块上。这能达到我所需要的吗？
经过一番尝试后blockproc，这确实是正确的，您可以使用它来使滑动邻域处理工作。但是，您将需要一个额外的标志，即PadPartialBlocks。此标志的目的是，如果您要提取位于图像外边缘的块，并且无法制作指定大小的块，则这将对该部分块进行零填充，使其符合到相同的大小。这是一个使用滑动窗口进行此操作的小示例。假设我们有一个矩阵：
>> A = reshape(1:25,5,5)
A =
1 6 11 16 21
2 7 12 17 22
3 8 13 18 23
4 9 14 19 24
5 10 15 20 25
假设我们想要取上面矩阵中每个 3 x 3 重叠邻域的平均值，并对超出矩阵边界的那些元素进行零填充。你会这样做blockproc:
B = blockproc(A, [1 1], @(x) mean(x.data(:)), 'BorderSize', [1 1], 'TrimBorder', false, 'PadPartialBlocks', true);
值得注意的是块大小，在本例中为 1 x 1，BorderSize1 x 1 块的设置也与您期望的 3 x 3 块不同。为了探究为什么会出现这种情况，我们需要进一步了解如何BorderSize作品。对于给定的块中心，BorderSize允许您捕获值/像素超出原来的尺寸大小的块。对于那些超出矩阵边界的位置，我们默认将这些位置填充为零。BorderSize让我们能够捕捉到2M + 2N像素更多，其中M and N是您想要的水平和垂直边框尺寸。这将使我们能够捕获M原始块上方和下方有更多像素，并且N原始块左侧和右侧有更多像素。
因此，对于 1 的值A，如果块大小为 1 x 1，这意味着该元素仅由 1 组成，并且如果我们的BorderSize是 1 x 1。这意味着我们的最终块将是：
0 0 0
0 1 6
0 2 7
因为我们的块大小为 1，所以下一个块将以 6 为中心，我们将得到 3 x 3 的像素网格，依此类推。同样重要的是TrimBorder被设定为false这样我们就可以保留那些在块扩展时最初捕获的像素。默认设置为true。最后，PadPartialBlocks is true以确保所有块的大小相同。当你运行上面的代码时，我们得到的结果是：
B =
1.7778 4.3333 7.6667 11.0000 8.4444
3.0000 7.0000 12.0000 17.0000 13.0000
3.6667 8.0000 13.0000 18.0000 13.6667
4.3333 9.0000 14.0000 19.0000 14.3333
3.1111 6.3333 9.6667 13.0000 9.7778
您可以使用以下方法验证我们是否得到相同的结果nlfilter http://www.mathworks.com/help/images/ref/nlfilter.html我们可以将平均值应用于 3 x 3 滑动邻域：
C = nlfilter(A, [3 3], @(x) mean(x(:)))
C =
1.7778 4.3333 7.6667 11.0000 8.4444
3.0000 7.0000 12.0000 17.0000 13.0000
3.6667 8.0000 13.0000 18.0000 13.6667
4.3333 9.0000 14.0000 19.0000 14.3333
3.1111 6.3333 9.6667 13.0000 9.7778
因此，如果您想正确使用blockproc对于滑动操作，需要注意如何分别设置块大小和边框大小。在这种情况下，一般规则是始终将块大小设置为 1 x 1，并允许BorderSize指定您想要的每个块的大小。具体来说，对于大小为K x K，你会设置BorderSize to be floor(K/2) x floor(K/2)分别。如果K很奇怪。
例如，如果您想要一个5 x 5表示基于滑动窗口的过滤操作，您可以设置BorderSize to [2 2], as K = 5 and floor(K/2) = 2。因此，你会这样做：
B = blockproc(A, [1 1], @(x) mean(x.data(:)), 'BorderSize', [2 2], 'TrimBorder', false, 'PadPartialBlocks', true)
B =
2.5200 4.5600 7.2000 6.9600 6.1200
3.6000 6.4000 10.0000 9.6000 8.4000
4.8000 8.4000 13.0000 12.4000 10.8000
4.0800 7.0400 10.8000 10.2400 8.8800
3.2400 5.5200 8.4000 7.9200 6.8400
复制这个nlfilter大小为 5 x 5 还给出：
C = nlfilter(A, [5 5], @(x) mean(x(:)))
C =
2.5200 4.5600 7.2000 6.9600 6.1200
3.6000 6.4000 10.0000 9.6000 8.4000
4.8000 8.4000 13.0000 12.4000 10.8000
4.0800 7.0400 10.8000 10.2400 8.8800
3.2400 5.5200 8.4000 7.9200 6.8400
我正在做一些计时测试，看来blockproc在这种情况下使用比nlfilter.
问题2
第二个是im2col. im2col(A,[m n],block_type)会将块分成 m × n 块，并将它们排列成列，那么每一列都是一个块？如果是这样，重叠是如何控制的？如果每个块都是一列，我可以成功应用dct2每列的功能？因为我怀疑它会接受向量作为输入吗？
你是对的im2col将每个像素邻域或块转换为单列，这些列的串联形成输出矩阵。您可以通过以下方式控制块是否重叠或不同block_type范围。指定distinct or sliding（默认）来控制它。您还可以控制每个邻域的大小m and n.
但是，如果您的目标是申请dct2输出为im2col，那么你将得不到你想要的。具体来说，dct2考虑 2D 数据中每个数据点的空间位置，并用作转换的一部分。通过将每个像素邻域转换为单列，每个块最初存在的 2D 空间关系现在消失了。dct2需要 2D 空间数据，但您将指定 1D 数据。像这样，im2col可能不是您要找的。如果我正确理解你想要什么，你会想要使用blockproc反而。
希望这可以帮助！
