卷积神经网络——灰度图像的卷积

一、前提介绍：

卷积在图像处理中经常被用于平滑、模糊、锐化、去噪、边缘取等工作中。图像处理中的卷积操作，其实就是利用卷积核(模板)在目标图像上滑动，将图像上的像素点依次对应到卷积核的中间像素处，每个像素点对齐后将图像上的像素灰度值与卷积核对应位置上的数值相乘，然后将相乘后的所有值相加，相加的结果作为当前像素的灰度值，并最终滑动完所有图像像素点的过程。

如上图所示：最左侧矩阵是一个灰度图像，中间是一个3*3的小矩阵，称为“卷积核”或“过滤器”。

1.导包

from PIL import Image
import numpy as np
import matplotlib.pyplot as plt

2. 过程：

#图像的卷积运算
#输入参数
# image：原图像
# mfilter：滤波器
#输出参数
# convImage:卷积后的图像

3.定义卷积函数：

def ImageConvolution( image, mfilter ):mI, nI = np.shape( image )[mF, nF] = np.shape( mfilter )halfHeight = int( mF / 2 )halfWidht = int( nF / 2 )convImage = np.zeros( (mI, nI) )#卷积图像#根据滤波器长度奇偶性的不同调整扩充图像的范围if mF % 2 == 0:imData = np.pad( image, (halfWidht, halfWidht-1), 'constant' )else:imData = np.pad( image, (halfWidht, halfHeight), 'constant' )padmI, padnI = imData.shapeconvHeight = padmI - mF + 1convWidth  = padnI - nF + 1#依次截取与滤波器大小相同的图像块进行内积运算for i in range( convHeight ):for j in range( convWidth ):localImage =  imData[ i:i+mF, j:j+nF ] convImage[i][j] = np.sum( localImage * mfilter )convImage1 = convImage.clip( 0, 255 )return convImage1

4.根据滤波器对图像进行卷积

filter1 = [ [-1, -2, -1], [0, 0, 0], [1, 2, 1] ]imageConv = ImageConvolution( img, filter1 )plt.figure( 'filter1' )plt.imshow( imageConv, cmap = 'gray' )plt.axis( 'off' )filter2 = [ [1, -1], [1, -1] ]imageConv = ImageConvolution( img, filter2 )plt.figure( 'filter2' )plt.imshow( imageConv, cmap = 'gray' )plt.axis( 'off' )filter3 = [ [-1, 1, 1, -1], [-1, 1, 1, -1], [-1, 1, 1, -1], [-1, 1, 1, -1] ]imageConv = ImageConvolution( img, filter3 )plt.figure( 'filter3' )plt.imshow( imageConv, cmap = 'gray' )plt.axis( 'off' ) if __name__ == '__main__':main()

结果：

卷积神经网络——灰度图像的卷积相关推荐

xml文件卷积神经网络_理解卷积神经网络中的输入与输出形状(Keras实现)
即使我们从理论上理解了卷积神经网络,在实际进行将数据拟合到网络时,很多人仍然对其网络的输入和输出形状(shape)感到困惑.本文章将帮助你理解卷积神经网络的输入和输出形状. 让我们看看一个例子.CNN ...
卷积神经网络四种卷积类型
卷积神经网络四种卷积类型 https://www.toutiao.com/a6631333810287936013/ 一般卷积首先,我们需要就定义卷积层的一些参数达成一致. 卷积核大小(Kernel ...
04.卷积神经网络 W2.深度卷积网络：实例探究（作业：Keras教程+ResNets残差网络）
文章目录作业1:Keras教程 1. 快乐的房子 2. 用Keras建模 3. 用你的图片测试 4. 一些有用的Keras函数作业2:残差网络 Residual Networks 1. 深层神经网 ...
花书+吴恩达深度学习（十）卷积神经网络 CNN 之卷积层
目录 0. 前言 1. 2D 图像卷积 2. 3D 图像卷积 3. 过滤器(核函数) 4. 过滤器应用于边缘检测 5. padding 填充 6. stride 步长 7. 使用卷积的动机 8. 1乘 ...
神经网络与卷积神经网络,什么是卷积神经网络
前馈神经网络.BP神经网络.卷积神经网络的区别与联系一.计算方法不同1.前馈神经网络:一种最简单的神经网络,各神经元分层排列.每个神经元只与前一层的神经元相连.接收前一层的输出,并输出给下一层．各层 ...
图卷积神经网络3-空域卷积：GNN/GraphSAGE/PGC的引入和介绍
知乎主页https://www.zhihu.com/people/shuang-shou-cha-dai-53https://www.zhihu.com/people/shuang-shou-cha- ...
图卷积神经网络4-空域卷积：空域卷积局限性分析和过平滑解决方案
知乎主页https://www.zhihu.com/people/shuang-shou-cha-dai-53https://www.zhihu.com/people/shuang-shou-cha- ...
卷积神经网络（2D卷积神经网络和3D卷积神经网络理解）
前言卷积神经⽹络(convolutional neural network,CNN)是⼀类强⼤的神经⽹络,正是为处理图像数据而设计的.基于卷积神经⽹络结构的模型在计算机视觉领域中已经占主导地位,当 ...
一维卷积神经网络结构图,一维卷积神经网络原理
1.卷积神经网络算法是什么? 一维构筑.二维构筑.全卷积构筑. 卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Fe ...
描述卷积神经网络的结构,卷积神经网络三大特点
什么是卷积神经网络?为什么它们很重要卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理 ...

卷积神经网络——灰度图像的卷积

卷积神经网络——灰度图像的卷积相关推荐

最新文章

热门文章