是否有一个等效于MATLAB的conv2的python（h1，h2，A，'same'）？

Question

关于conv2(A,B,'same')功能已有一些答案（例如：2D Convolution in Python similar to Matlab's conv2），但我无法找到有关conv2(h1,h2,A,'same')的任何内容。

引用MATLAB文档：

  

C = conv2（h1，h2，A）首先沿着行将矢量h1与矢量h1卷积，然后沿着列卷积矢量h2。 C的大小确定如下：如果n1 =长度（h1）并且n2 =长度（h2），则mc = max（[ma + n1-1，ma，n1]）并且nc = max（[na + n2] -1，NA，N2]）。

有没有办法使用python（或numpy，scipy等）来实现这种行为？

上下文：

我尝试实现以下目标：

h1 = [ 0.05399097  0.24197072  0.39894228  0.24197072  0.05399097]
h2 = [ 0.10798193  0.24197072 -0.         -0.24197072 -0.10798193]
A  = img[:,:,1]
C  = conv2(h1, h2, A, 'same')

img是rgb图像。

Answer 1

您可能需要以下内容：

def conv2(v1, v2, m, mode='same'):
    """
    Two-dimensional convolution of matrix m by vectors v1 and v2

    First convolves each column of 'm' with the vector 'v1'
    and then it convolves each row of the result with the vector 'v2'.

    """
    tmp = np.apply_along_axis(np.convolve, 0, m, v1, mode)
    return np.apply_along_axis(np.convolve, 1, tmp, v2, mode)

应用MATLAB's documentation of conv2中的示例：

A = np.zeros((10, 10))
A[2:8, 2:8] = 1
x = np.arange(A.shape[0])
y = np.arange(A.shape[1])
x, y = np.meshgrid(x, y)

u = [1, 0, -1]
v = [1, 2, 1]

Ch = conv2(u, v, A, 'same')
Cv = conv2(v, u, A, 'same')

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

plt.figure()
ax = plt.gca(projection='3d')
ax.plot_surface(x, y, Ch)

plt.figure()
ax = plt.gca(projection='3d')
ax.plot_surface(x, y, Cv)