python - 分别为每个通道卷入带有2d内核的3d数组

Question

我有一个大小为[c, n, m]的矩阵，其中c是多个频道; n和m是宽度和高度。在特定示例中，我有一个具有1000个通道的矩阵。我想分别为每个通道使用大小为a x a的内核进行卷积。在我的示例中，内核大小为3 x 3。 scipy或numpy中是否有任何函数执行此类操作而不通过循环遍历通道？

我找到了scipy.ndimage.convolve函数，但我认为如果不使用循环，我就不能在这个问题上应用该函数。

Answer 1

我认为你只需要让你的内核三维。这样的事情应该有效：

kernel = kernel[:, :, None]

如果scipy.ndimage.convolve不适用于3D数组，则可以尝试scipy.signal.convolve。

Answer 2

将矩阵视为图像并使用opencv。将数组的形状更改为[height，width，num_channels]。然后在opencv中运行filter2D（图像的卷积函数）。

image = cv2.imread("some_image.jpg")
image.shape # (height, width, 3) # 3 is 3 channels for Red, Green, Blue
kernel = np.ones((3,3)) / 9.
image_blurred = cv2.filter2D(image, cv2.CV_64F, kernel) # will apply the kernel for each channel. You can have more than 3 channels.