python-每个通道分别具有2d内核的3d数组的卷积

Question

我有一个矩阵，[c, n, m]其中c有多个渠道。n和m是宽度和高度。在特定的示例中，我有一个具有1000个通道的矩阵。我想分别与a x a每个通道的大小的内核进行卷积。在我的示例中，内核大小为3 x 3。是否有任何功能，scipy或者numpy没有通过循环遍历通道的那种功能？

我找到了scipy.ndimage.convolve函数，但是我认为如果不使用循环就无法在该问题上应用该函数。

Answer 1

将矩阵视为图像并使用 opencv。将数组的形状更改为 [height, width, num_channels]。然后在opencv中运行filter2D（图像的卷积函数）。

image = cv2.imread("some_image.jpg")
image.shape # (height, width, 3) # 3 is 3 channels for Red, Green, Blue
kernel = np.ones((3,3)) / 9.
image_blurred = cv2.filter2D(image, cv2.CV_64F, kernel) # will apply the kernel for each channel. You can have more than 3 channels.

Answer 2

我认为您只需要使内核成为三维即可。这样的事情应该起作用：

kernel = kernel[:, :, None]

如果scipy.ndimage.convolve不适用于3D阵列，则可以尝试scipy.signal.convolve。