ere*_*aud 5 javascript tensorflow.js
我目前正在尝试设计一个 Node.js 代码，它能够判断图像是否模糊。为了实现这一目标，我从这个问题中获得了灵感。所以我需要做的是计算矩阵拉普拉斯（这就是我们所说的？），然后计算方差。
我用 OpenCV 做这件事没有问题（使用opencv4nodejs）：
# load image
_cvImg = cv.imread _file
# get grayscale image
_cvImgGray =_cvImg.bgrToGray()
# Compute laplacian
_laplacian = _cvImgGray.laplacian(cv.CV_8U)
# Get the standard deviation
_meanStdDev = _laplacian.meanStdDev()
_stddevarray = _meanStdDev.stddev.getDataAsArray()
_stdDeviation = _stddevarray[0]
# Get the variation
_variation = Math.pow(_stdDeviation, 2)
但现在，我正在使用 Tensorflow.js，它确实不太容易......这是我尝试做的：
# load image
_cvImg = cv.imread _file
#convert frame to a tensor
try
_data = new Uint8Array(_frame.cvtColor(cv.COLOR_BGR2RGB).getData().buffer)
_tensorFrame = tfjs.tensor3d(_data, [_frame.rows, _frame.cols, 3])
catch _err
@log.error "Error instantiating tensor !!!"
@log.error _err.message
# get grayscale image
_grayscaleFrame = _tensorFrame.mean(2).expandDims(2)
# prepare convolution to get laplacian
laplaceFilter = tfjs.tensor2d([[0,1,0], [1,-4,1], [0,1,0]])
laplaceFilter3D = laplaceFilter.expandDims(2)
# get laplacian
_laplacian = tfjs.conv1d _tensorFrame, laplaceFilter3D, 1, 'same'
# get standard deviation
_standardDeviation = tfjs.moments(_laplacian2).variance.buffer().values[0]
# get variance
_variance = _standardDeviation * _standardDeviation
# dispose tensor to avoid memeory leaks
_tensorFrame.dispose()
毫不奇怪，上面的代码不起作用。我知道我的卷积应该是二维的（tf.conv2d）而不是一维（tf.conv1d），因为我正在处理图像。如果我查看API 中的 tf.conv2d，我可以看到这个签名：
tf.conv2d (x, filter, strides, pad, dataFormat?, dilations?, dimRoundingMode?)
过滤器应该是 tf.Tensor4D ！但我不知道如何将以下滤波器矩阵转换为 tf.Tensor4D
1
1 4 1
1
难道我做错了什么 ？如何在 Tensorflow.js 中获取矩阵的拉普拉斯？即如何在代表图像的tensor2d 和上述过滤器之间执行简单的卷积？
可以通过首先扩展二维张量的维度来对二维张量执行卷积。同样对于过滤器使用tf.reshape
计算完成后，tf.squeeze 将删除形状 1 的维度，从而返回 2d 张量
const x = tf.tensor2d(Array.from({length: 16}, (_, k) => k+1), [4, 4]); // input image 2d
const filter = tf.tensor2d([0, 1, 0, 1, 0, 1, 0, 1, 0], [3, 3]) // input filter 2d
x.reshape([1, ...x.shape, 1]).conv2d(filter.reshape([...filter.shape, 1, 1]), 1, 'valid').squeeze().print() // conv<html>
<head>
<!-- Load TensorFlow.js -->
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.14.1"> </script>
</head>
<body>
</body>
</html>