问convolve2d与filter2D的差异。为什么输出形状有差异？

EN

scipy.signal.convolve2d的默认输出模式是完全卷积。如果希望输出大小与输入大小相同，请将模式参数设置为“相同”。

scipy.signal.convolve2d(similarity_matrix, np.diag(filter), mode="same")

更新:当您将图像与内核进行转换时，您不能直接计算图像边缘的卷积结果，因为有一些邻居丢失了。解决这个问题有不同的方法。

忽略边缘的值，例如。如果内核是3x3，忽略边缘的元素，如果内核是5x5，忽略边缘的最后2个元素，以此类推。

2-对图像应用某种填充，意思是以特定的方式暂时放大图像，这样就可以将卷积核应用到边缘的值上。同样，也有不同的方法(这一次超过2)，但最基本的方法是零填充。例如，如果图像大小为100x100，而内核为5x5，则在图像的每一侧(右、上、左、下)，由于缺少邻居，我们无法计算两个外部值的卷积。使用零填充方法，您首先将图像放大到104x104。这个放大的图像是由你原来的100x100图像的中心和一些零的值添加到边缘，现在的主要事情是，现在你可以应用你的过滤器到100x100区域，因为你为边缘值创建了人工邻居。

关于模式名称：

1-如果您选择“填充方式”，并保持您的输出大小与您的输入大小相同，它称为相同的卷积。使用上面的填充方法，这是通过在放大图像上删除外部值来完成的。

如果你选择“忽略边值法”进行卷积，你的输出就会变小。这被称为有效卷积。顾名思义，您只对“有效”区域执行卷积操作。

3-如果您选择“填充方式”，并保留附加值，它称为完全卷积。请注意，通过裁剪输出的全卷积，您也可以获得相同和有效的卷积。