专栏首页share ai happiness卷积神经网络 - 滤波器

卷积神经网络 - 滤波器

前面通过图片直观的理解了什么是卷积,它也叫滤波器。这里用滤波器进行操作,加深下印象。什么是滤波器呢?这个滤和ps中的滤镜是一个意思,那它跟ps滤镜有什么关系?跟卷积又有什么关系?

图像构成(灰度图)

一般的图像是一个二维的,也可能是三维的,下面的图像是灰度图,黑色部位值比较大。

对于图像的输入我们怎么进行滤波操作呢?

下面是概念,滤波过程和卷积过程是非常像的,后边会介绍到滤波器它会对每一个卷积核(上一篇文章,中间的小方块)都是有特殊的含义,固定定义的过程。

图像滤波

对于原图像的每一个像素点,计算它的领域像素和滤波器矩阵(卷积核)的对应元素的乘积,然后加起来,作为当前中心像素位置的值,这样就完成了滤波(卷积)的过程了。

滤波器特点

1、滤波器的大小应该是奇数,这样它才有一个中心,例如3x3,5x5或者7x7。

2、滤波器矩阵所有的元素之和应该要等于1,这是为了保证滤波前后图像的亮度保持不变。

3、如果滤波器矩阵所有元素之和大于1,那么滤波后的图像就会比原图像更亮,反之,如果小于1,那么得到的图像就会变暗。

下面,左边是我们模拟的一张图片,右边小方块是滤波器,3*3,加起来等于1。这个滤波器可以说是没有作用的滤波器,邻域不参与计算的。

下面这个滤波器3*3的,加起来等于1,下面的情况计算出来的也是10,没变。什么情况下会变,和边缘有什么关系?

下面这个左边的10位于图像的边缘(图像由像素点构成,左上角像素为1,右下角都大于10)。

下面左边的1也位于图像边缘,计算结果为-26。

现在就应该理解了为什么叫边缘锐化了吧,这个边缘锐化的滤波器乘上边缘值的时候,如果像素值是边缘的右侧(像素值大的部分)会让你的值更大,如果是左侧(像素值小的部分)会使值更小。让原来有的层次变得更明显。

下面右边滤波器是3*3,加起来等于0,左边的10位于边缘,乘上结果为9。

下面左边10不在边缘,乘上结果为0。也就是说如果是边缘的话,值变化不大,如果不是边缘都会变成0,这个结果最后就是只剩边缘那条线。

下面右边的滤波器上下左右都是1,左边中心是10,乘后结果比10小。

下面左边1为中心,乘后结果比1大。这个滤波器就是让大的值变小,小的值变大。

下面是用三个滤波器对左边图片进行卷积,得到右边的新图片,然后这三个卷积的结果经常会算出集合中的最大值代表这个卷积的输出,这个过程就是池化过程。

滤波器也可以说是特殊的卷积操作,卷积神经网络中的卷积它的每个卷积核的参数是通过训练得到的,但是滤波器是人为设定的,让它有特定功能。ps中的某些功能就是通过滤波器进行实现的。

小结

  • 滤波器是图像处理特有的概念。
  • Photoshop中滤镜背后就是靠这些滤波器实现的。

本文分享自微信公众号 - 1001次重燃(smile765999),作者:木野归郎

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-10-09

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Yarn模式下的监控界面介绍

    有yarn-client和yarn-cluster两种模式,主要区别在于:Driver程序的运行节点不同。

    木野归郎
  • HTTP和HTTPS的那些事

    HTTPS 在 HTTP 与 TCP 层之间加入了 SSL/TLS 协议,可以很好的解决了上述的风险:

    木野归郎
  • Spark程序开发调优(后续)

    如果因为业务需要,一定要使用 shuffle 操作,无法用 map 类的算子来替代,那么尽量使用可以 map-side 预聚合的算子。

    木野归郎
  • 卷积神经网络详解(上)

    卷积操作就是用卷积后得到的图组数据重构输入图像,然后作为后续输入 我们得到一些数据,作为网络的输入,在CNN中有滤波器,现在我们假设只有一个滤波器,如图所示 ...

    听城
  • 基于图像分类的动态图像增强

    论文链接:http://openaccess.thecvf.com/content_cvpr_2018/papers/Sharma_Classification...

    Natalia_ljq
  • 数字图像处理学习笔记(十四)——频域图像增强(图像的频域分析)

    来抑制高频成分,通过低频成分,然后再进行逆傅立叶变换获得滤波图像,就可达到平滑图像的目的。

    荣仔_最靓的仔
  • Image Super-Resolution Using Deep Convolutional Networks

    code: http://mmlab.ie.cuhk.edu.hk/projects/SRCNN.html

    用户1148525
  • 捡漏!用谷歌图片搜索自制深度学习数据集 | 教程

    就怕前脚刚立志搞个新研究,后脚就发现没有合适的数据集可用。AI工程师从入门到放弃,可能就是这么一会的功夫。

    量子位
  • 【实战】GAN网络图像翻译机:图像复原、模糊变清晰、素描变彩图

    【新智元导读】本文介绍深度学习方法在图像翻译领域的应用,通过实现一个编码解码“图像翻译机”进行图像的清晰化处理,展示深度学习应用在图像翻译领域的效果。 近年来深...

    新智元
  • Learning a Deep Single Image Contrast Enhancer from Multi-Exposure Images(TIP18)

    这是一篇单一图像对比度增强的论文,传统的单一图像对比度增强方法包括基于HE和Retinex理论,但由于自然场景的复杂性和单张图像包含的信息有限,往往很难产生高质...

    Natalia_ljq

扫码关注云+社区

领取腾讯云代金券