尝试使用 numpy 实现 2d 图像卷积会抛出 ValueError：无法一起广播操作数

Question

我正在尝试实现自己的算法，以使用特定的过滤器对图像进行卷积，并从这篇文章中获得一些帮助。 到目前为止我所拥有的：

我在 numpy 中的图像，形状为(510,510)

imageInArray = np.asarray(gray_image)
print(imageInArray.shape)

## it prints this
(512, 512)

我的卷积过滤器：

conv_filter = np.array([[0,1,0],[1,-4,1],[0,1,0]])
print(conv_filter.shape)
##prints this:
(3, 3)

然后我根据过滤器 kernel 大小将图像拆分为子矩阵，如下所示：

### split image in submatrices
def getsubmatrices(imgArray, partitioning_shape):
    view_shape = tuple(np.subtract(imgArray.shape, partitioning_shape) + 1) + partitioning_shape
    strides = imgArray.strides + imgArray.strides
    sub_matrices = np.lib.stride_tricks.as_strided(imgArray,view_shape,strides)    
    return sub_matrices

imgSubMatrices = getsubmatrices(imageInArray, conv_filter.shape)
print(imgSubMatrices.shape)
##prints an array of size (510, 510, 3, 3)

但是当我使用 numpy 的einsum方法将子矩阵与过滤器相乘时，如下所示：

multiplied_subs = np.einsum('ij,ijkl>ijkl',conv_filter,imgSubMatrices)

我收到以下错误：

ValueError: operands could not be broadcast together with remapped shapes [original->remapped]: (3,3)->(3,3,newaxis,newaxis) (510,510,3,3)->(510,510,3,3)
    

有人可以帮我理解为什么这不起作用吗？ 因为我已经拆分了我的矩阵是 3x3 的子矩阵，所以使用einsum方法应该不是问题，对吧？ 我真的很感激你能提供的任何帮助，因为几个小时以来我一直在试图了解问题所在