Question

我当时正在观看Andrew Ng's videos on CNN，并想用6 x 6滤镜对3 x 3图像进行卷积。我用numpy进行处理的方法如下：

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

convolved = np.convolve(image, filter)

运行此命令会提示错误：

ValueError: object too deep for desired array

我可以从numpy documentation of convolve那里了解如何正确使用convolve方法。

还有，我可以用numpy进行大步卷积吗？

Answer 1

不幸的是，

rows = result.fetchall() for row in rows: print row函数仅适用于 1-D 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功能。

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 convolution 在数学中更恰当地称为 cross-correlation 。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np.convolve（也不要使用scipy.signal.correlate作为名称，因为您将隐藏内置函数）：

filter

输出：

from scipy.signal import correlate

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

correlate(image, f)

这是完全互相关的标准设置。如果要删除将rely on the zero-padding的元素，请传递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.]])：

mode='valid'

输出：

from scipy.signal import correlate

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

correlate(image, f, mode='valid')

正确使用numpy的卷积与图像

1 个答案: