使用卷积方法处理35 x 35内核

Question

亲爱的，我想使用35 x 35内核进行卷积。有什么建议吗？或者我已经在opencv中使用的任何方法？因为现在cvfilter2d只能支持10 x 10内核。

Answer 1

如果由于OpenCV的大小限制你只需要快速和肮脏的解决方案，那么你可以将35x35内核划分为5x5的7x7“内核磁贴”，将每个“内核磁贴”应用于图像以获得输出，然后移动结果并将它们组合起来得到最终的总和。

使用大型2D内核进行卷积的一般建议：

1. 尝试使用可分离的内核，即作为列向量和行向量的外积的内核。换句话说，代表内核的矩阵是rank-1。
2. 尝试使用FFT方法。空间域中的卷积与频域中的元素共轭乘法相同。
3. 如果内核是全等级的，并且为了应用程序的目的，它不能被修改，那么考虑使用SVD将内核分解为一组35个rank-1矩阵（每个矩阵可以表示为a的外积）列向量和行向量），并且仅与与最大奇异值相关联的矩阵执行卷积。这会在结果中引入错误，但可以基于奇异值估计误差。 （a.k.a. MATLAB方法）

其他特殊情况：

1. 可以使用积分图像（Viola-Jones人脸检测中使用的方法）计算可以表示为重叠矩形块之和的内核。
2. 平滑和模态（具有少量峰值）的内核可以通过2D高斯的总和来近似。