图像处理 之 矩阵一维卷积

先来几张图认识什么是一维数组卷积：

卷积的应用，图像处理很多地方都会用到卷积运算，具体用在哪方面我也不知道，坐等老师讲解，百度：图像中滤波、均值滤波、锐化等都是在空间域里进行卷积，也就是二维卷积

进入正题，一维数组卷积，用一个例子讲解。

数组 f = [ 0, 1, 2, 3, 4 ] ，g = [0, 1, 2]

设数组h 为 f 和 g 卷积后的结果，则 数组的长度为 len( f ) + len ( g ) – 1 = 7

如下图所示，

可以得出：

           Len(h) = Len(f) + Len(g) - 1 

实现此函数

        定义函数 def convolution( f , g ) 为实现数组f 与数组 g的卷积，并将结果数组h返回

def convolution ( f, g):

         #第一步创建并初始化结果数组h

         #使用numpy.zeros( num )函数，其功能主要创建一个长度为num的数组，并将数组数据初始化为0 

         h = numpy.zeros( len(f) + len(g) – 1)   #初始化一个长度为 f和g数组的长度之和-1

 #实现卷积运算，我们将其分为三部分：

         #实现卷积运算，我们将其分为三部分：

         #第一部分为数组g刚开始进入数组f的过程

         #第二部分为数组g在数组f中

         #第三部分为数组g出数组f的过程