我现在对下面的输出感到有点困惑
#!/usr/bin/env python
import scipy.signal
image = [[1, 2, 3, 4, 5, 6, 7],
[8, 9, 10, 11, 12, 13, 14],
[15, 16, 17, 18, 19, 20, 21],
[22, 23, 24, 25, 26, 27, 28],
[29, 30, 31, 32, 33, 34, 35],
[36, 37, 38, 39, 40, 41, 42],
[43, 44, 45, 46, 47, 48, 49]]
filter_kernel = [[-1, 1, -1],
[-2, 3, 1],
[2, -6, 0]]
res = scipy.signal.convolve2d(image, filter_kernel,
mode='same', boundary='fill', fillvalue=0)
print(res)
确实是
[[ -2 -8 -7 -6 -5 -4 28]
[ 3 -7 -10 -13 -16 -19 14]
[ -18 -28 -31 -34 -37 -40 0]
[ -39 -49 -52 -55 -58 -61 -14]
[ -60 -70 -73 -76 -79 -82 -28]
[ -81 -91 -94 -97 -100 -103 -42]
[-101 -61 -63 -65 -67 -69 -57]]
我期望左上角的元素是3*1 + 1*2 + (-6) *8 + 0*9 = -43
(省略填充的零)。
我认为这会将R^{7x7}中的矩阵图像扩展到R^{9x9},方法是在左侧/右侧和顶部/底部添加一个0。然后,我认为可以通过在image
上“滑动”来计算filter_kernel
。在每个位置,图像中的数字与内核中的数字逐点相乘。这九个产品被汇总并写入res
。
然而,它是-2
。显然,会发生一些不同的事情。
发布于 2017-01-12 21:12:27
卷积反转它所处理的一个函数的方向。检查definition on Wikipedia:一个函数用-τ参数化,另一个用τ参数化。这同样适用于2D卷积。
您需要镜像内核以获得预期的结果:
filter_kernel = [[0, -6, 2],
[1, 3, -2],
[-1, 1, -1]]
res = scipy.signal.convolve2d(image, filter_kernel,
mode='same', boundary='fill', fillvalue=0)
print(res[0, 0])
# -43
https://stackoverflow.com/questions/41613155
复制相似问题