[英]Convolution 3D image with 2D filter
我有一张形状为img.shape = (500, 439, 3)
卷积函数是
def convolution(image, kernel, stride=1, pad=0):
n_h, n_w, _ = image.shape
f = kernel.shape[0]
kernel = np.repeat(kernel[None,:], 3, axis=0)
n_H = int(((n_h + (2*pad) - f) / stride) + 1)
n_W = int(((n_w + (2*pad) - f) / stride) + 1)
n_C = 1
out = np.zeros((n_H, n_W, n_C))
for h in range(n_H):
vert_start = h*stride
vert_end = h*stride + f
for w in range(n_W):
horiz_start = w*stride
horiz_end = w*stride + f
for c in range(n_C):
a_slice_prev = image[vert_start:vert_end,
horiz_start:horiz_end, :]
s = np.multiply(a_slice_prev, kernel)
out[h, w, c] = np.sum(s, dtype=float)
return out
我想在对图像应用任何内核/过滤器之后查看图像,所以我得到了以下内容
img = plt.imread('cat.png')
kernel = np.arange(25).reshape((5, 5))
out2 = convolution(img, kernel)
plt.imshow(out2)
plt.show()
我得到
s = np.multiply(a_slice_prev, 内核)
ValueError:操作数无法与形状一起广播 (5,5,3) (3,5,5)
np.multiply 正在进行元素乘法。 但是,您的参数没有匹配的维度。 您可以使用此转置您的内核或图像以确保它可以工作:
kernel = kernel.transpose()
您可以在np.multiply
调用之前执行此np.multiply
。
ValueError:操作数无法与形状一起广播 (5,5,3) (3,5,5)
因为,卷积是逐元素相乘,你的形状应该是(5,5,3)
的图像区域(5,5,3)
的内核,从而重复你的内核是这样的:
kernel = np.arange(25).reshape((5, 5, 1))
kernel = np.repeat(kernel, 3, axis=2)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.