正确使用numpy的卷积与图像

Question

我正在CNN上观看Andrew Ng的视频，并希望将3 x 3滤镜的6 x 6图像卷积。 我用numpy进行处理的方式如下：

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

convolved = np.convolve(image, filter)

运行此命令将显示错误消息：

ValueError: object too deep for desired array

我可以从volve的numpy文档中了解如何正确使用convolve方法。

另外，有没有办法用numpy进行大步卷积？

Answer 1

不幸的是， np.convolve函数仅适用于一维卷积。 这就是为什么您会得到一个错误； 您需要一个可以执行二维卷积的函数。

但是 ，即使它确实起作用，您实际上也会执行错误的操作。 机器学习中所谓的卷积在数学上更恰当地称为互相关 。 它们实际上几乎是相同的。 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 （同样，不要使用filter作为名称，因为您将scipy.signal.correlate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。 如果要删除依赖零填充的元素，请通过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.]])