标签: convolution

Python或其任何模块是否具有MATLAB的conv2功能？更具体地说,我对与conv2(A, B, 'same')MATLAB 中进行相同计算的东西感兴趣.

我正在使用CUDA进行图像处理,我对像素处理有疑问.

应用m x m卷积滤波器时,通常使用图像的边界像素做什么？

在3 x 3卷积内核中,忽略1图像的像素边界更容易处理,尤其是在使用共享内存改进代码时.实际上,在这种情况下,不需要检查给定像素是否具有所有可用的(0, 0)邻域(即,在coord处的像素没有离开,左上,上邻居).但是,删除1原始图像的像素边界可能会产生部分结果.

与此相反,我想处理图像中的所有像素,也就是在使用共享内存改进时,即加载16 x 16像素,但计算内部14 x 14.同样在这种情况下,忽略边界像素会产生更清晰的代码.

在这种情况下通常做什么？

是否有人通常使用我的方法忽略边界像素？

当然,我知道答案取决于问题的类型,即以像素方式添加两个图像没有这个问题.

提前致谢.

当字母表由5个符号{a,b,c,d,#}组成时,我试图解决精确的模式匹配问题,其中特殊符号#匹配任何符号(包括其自身).

例如,如果T = ab#aca#ab#a和P = da#ac则P从T中的位置3开始.我试图找到O(nlogn)时间算法来确定长度为n的模式P假设在T和P中出现#符号(可能是O(n)次),则发生在长度为2n的文本T中.

关于如何用卷积解决它的任何建议？

这是我们在图像处理功课中的练习.我的代码工作正常.我想得到一些代码优化方面的帮助.

function C = convolve_slow(A,B)
(file name is accordingly convolve_slow.m ) 
This routine performs convolution between an image A and a mask B.
Input:      A - a grayscale image (values in [0,255]) 
            B - a grayscale image (values in [0,255]) serves as a mask in the convolution.
Output:     C - a grayscale image (values in [0,255]) - the output of the convolution. 
                      C is the same size as A.

Method:  Convolve A with mask B using zero padding. Assume the …

我不明白有人会想出一个简单的3x3矩阵叫做内核,因此当应用于图像时,它会产生一些非常棒的效果.示例:http://en.wikipedia.org/wiki/Kernel_(image_processing).它为什么有效？人们是如何提出这些内核的(反复试验？)？是否有可能证明它将始终适用于所有图像？

通常,Gabor过滤器,顾名思义,用于过滤图像并提取它在过滤的相同方向上定向的所有内容.

在这个问题中,您可以看到比此链接中编写的代码更高效的代码

假设有4个方向的滤波器16个刻度,所以我们得到64个gabor滤波器.

scale = [7:2:37],7x7到37x37,步长为两个像素,所以我们有7x7,9x9,11x11,13x13,15x15,17x17,19x19,21x21,23x23,25x25,27x27,29x29,31x31,33x33, 35x35和37x37.

direction = [0,pi/4,pi/2,3pi/4].

空间域中的Gabor滤波器方程为:

频域中的Gabor滤波器方程为:

我能找到的唯一功能是这里描述的 2D卷积...

有没有优化的1D功能？

卷积神经网络中"局部"层和"密集"层之间有什么区别？我试图了解TensorFlow中的CIFAR-10代码,我看到它使用"Local"层而不是常规的密集层.TF中是否有支持实现"本地"图层的类？

我想知道在1d阵列循环卷积的numpy/scipy中是否有函数.该scipy.signal.convolve()函数仅提供"模式"但不提供"边界",而该signal.convolve2d()函数需要2d数组作为输入.

我需要这样做来比较开放与循环卷积作为时间序列作业的一部分.

我已经通过在FFT卷积输出上应用它们来测试两个重新缩放功能.

第一个是从这个链接收集的.

    public static void RescaleComplex(Complex[,] convolve)
    {
        int imageWidth = convolve.GetLength(0);
        int imageHeight = convolve.GetLength(1);

        double maxAmp = 0.0;
        for (int i = 0; i < imageWidth; i++)
        {
            for (int j = 0; j < imageHeight; j++)
            {
                maxAmp = Math.Max(maxAmp, convolve[i, j].Magnitude);
            }
        }
        double scale = 1.0 / maxAmp;
        for (int i = 0; i < imageWidth; i++)
        {
            for (int j = 0; j < imageHeight; j++)
            {
                convolve[i, j] = new Complex(convolve[i, …