np.outer如何帮助创建过滤器内核？

Question

我正在使用自己的内核尝试使用OpenCV的filter2D函数：

kernel = np.array([1,3,4,5,2]) / 11

cv2.filter2D(img, -1, kernel)

，效果很好。我还看到了一个片段，其中的相同操作如下：

kernel = np.array([1,3,4,5,2]) / 11
kernel = np.outer(kernel, kernel)

cv2.filter2D(img, -1, kernel)

我不确定第二种方法是做什么的？这里到底发生了什么？

Answer 1

很简单，您的第一个内核是1D，np.outer创建一个2D内核。

更多细节：（我没有开放的简历，我使用的是scipy / PIL，但这本质上应该是等效的。）

>>> import numpy as np                                                                
>>> from scipy import misc, ndimage                  
>>>
# get example image, decimate it a bit 
>>> f = misc.face()[::4,::4]                    
>>> 
# create a simple 1D kernel (a triangle)
>>> kernel = 16 - np.abs(np.arange(-15, 16))                                                           
>>> kernel = kernel / kernel.sum()                                                                  
>>>
>>> f_vert = ndimage.convolve1d(f, kernel, axis=0, mode='constant')                         
>>> f_horz = ndimage.convolve1d(f, kernel, axis=1, mode='constant')                         
>>> f_both = ndimage.convolve1d(f_vert, kernel, axis=1, mode='constant')                         

原始图片

一维内核垂直应用

一维内核水平应用

一维内核垂直应用，然后水平应用

使用2D外积内核可以一口气实现相同的效果

# create 2D kernel using outer product
>>> kernel2d = np.outer(kernel, kernel)
>>> f_outer = ndimage.convolve(f, kernel2d[..., None], mode='constant')

使用2D内核

从差异图片可以看出，最后两个操作是等效的