正确使用 numpy 与图像的卷积

Question

我在 CNN 上观看Andrew Ng 的视频，想用滤波器6 x 6对图像进行卷积3 x 3。我用 numpy 处理这个问题的方法如下：

image = np.ones((6,6))
filter = np.ones((3,3))

convolved = np.convolve(image, filter)

运行此命令会出现错误：

ValueError: object too deep for desired array

我可以从convolve 的 numpy 文档中理解如何正确使用该convolve方法。

另外，有没有办法可以用 numpy 进行跨步卷积？

Answer 1

np.convolve不幸的是，该函数仅适用于一维卷积。这就是为什么你会收到错误；您需要一个允许您执行二维卷积的函数。

然而，即使它确实起作用了，你实际上还是操作错误了。机器学习中的卷积在数学中更恰当地称为互相关。它们实际上几乎是一样的；卷积涉及翻转滤波器矩阵，然后执行互相关。

要解决您的问题，您可以查看scipy.signal.correlate（另外，不要用作filter名称，因为您会隐藏内置函数）：

from scipy.signal import correlate

image = np.ones((6, 6))
f = np.ones((3, 3))

correlate(image, f)

输出：

array([[1., 2., 3., 3., 3., 3., 2., 1.],
       [2., 4., 6., 6., 6., 6., 4., 2.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [2., 4., 6., 6., 6., 6., 4., 2.],
       [1., 2., 3., 3., 3., 3., 2., 1.]])

这是完全互相关的标准设置。如果您想删除依赖于零填充的元素，请传递mode='valid'：

from scipy.signal import correlate

image = np.ones((6, 6))
f = np.ones((3, 3))

correlate(image, f, mode='valid')

输出：

array([[9., 9., 9., 9.],
       [9., 9., 9., 9.],
       [9., 9., 9., 9.],
       [9., 9., 9., 9.]])