我希望通过行，然后通过列，分别区分我的图像。
导数表示为f [i + 1] -f [i]，其中i是像素，f是该像素的值/强度。
有人告诉我这可以通过卷积来完成-d / dx以（1,0，-1）作为行向量而d / dy是相同的向量但以列形式进行卷积。
我的问题是-当使用scipy.signal.convolve2D在python中以mode ='same'进行卷积时，与这些向量进行卷积时，我得到的结果与numpy.diff的结果不同。
说一个3x3矩阵：
5 4 3
2 1 1
3 2 5
与（1,0，-1）交涉给我
-4 2 4
-1 1 1
-2 -2 2
numpy的差异给了我
-3 -3 -2
1 1 4
我的问题如下：
1。）在将NxN图像与（1,0，-1）之类的内核进行卷积时，该函数是否对向量的每一行进行卷积？
2。）为什么我的结果不同？我知道形状是不同的，numpy的结果又增加了一行，但是我可以理解，因为它不包括原始的行0
def deriv(image):
"""
:param im: 2D image
:return: magnitude of the derivative
"""
#Horizontal Derivative
dx = convolve2d(im, DX, mode='same')
print('dx', dx)
#Vertical Derivative
dy = convolve2d(im, DY, mode='same')
print('dy', dy)
magnitude = np.sqrt(np.abs(dx)**TWO + np.abs(dy)**TWO)
return magnitude
这些照片只供我在计算幅度之前检查它们的值。
DX =（1,0，-1）
DY =（1,0，-1）作为列向量