图片乘以过滤器真的可以边缘检测吗

最近在学习吴恩达老师课程时，当读到相关以下内容时：

卷积运算是卷积神经网络最基本的组成部分，使用边缘检测作为入门样例。在这个视频中，你会看到卷积是如何进行运算的。

在之前的视频中，我说过神经网络的前几层是如何检测边缘的，然后，后面的层有可能检测到物体的部分区域，更靠后的一些层可能检测到完整的物体，这个例子中就是人脸。在这个视频中，你会看到如何在一张图片中进行边缘检测。

那么图片乘以过滤器真的可以边缘检测吗？ vertical edges和horizontal edges怎么实现呢？

本着学习和研究的精神，利用numpy与opencv对图片进行相关处理

一、准备测试图片

建议准备一张线条清晰，不会太复杂的图片，以便于实现明显的效果， 附上自己的测试图

二、对卷积有一个初步的认识

这里指的是卷积滑动的计算和卷积输出的shape计算

滑动的计算为： 3x1+1x1+2x1+0x0+5x0+7x0-1x1-1x8-1x2

卷积后的shape计算： （i+2p-k）/s +1 => （6+2x0-3）/1 +1 

三、代码实现

# -*- coding: utf-8 -*-
"""
-------------------------------------------------
   File Name：乘以过滤器真的可以边缘检测吗
   Description :
   Author : zhang
   date：2019/9/25
-------------------------------------------------
   Change Activity: 2019/9/25:
-------------------------------------------------
"""
__author__ = 'zhang'

import cv2
import numpy as np


def sumandmul(list1, list2):
    # result = sum(a*b for a, b in zip(list1, list2))
    result = np.sum(list1 * list2)
    return result


def conv(weight, height, count, newimg, t):
    while count:
        if height - count >= t:
            for i in range(0, weight):
                if i >= t and i <= weight-t:
                    newimg[i-t, height-count-t] = sumandmul(image[i-t:i+1, height-count-t: height-count+1], filter)

        if count == height:
            count -= t
        else:
            count -= 1

if __name__ == '__main__':
    # filter = np.array([[1, 0, -1], [1, 0, -1], [1, 0, -1]])  # 横向
    filter = np.array([[1, 1, 1], [0, 0, 0], [-1, -1, -1]])  # 竖直方向

    image = cv2.imread('1.jpg', 0)
    weight, height = image.shape
    t = 2  # 2 = ? + 2 *0 -3 +1 = ? - 2
    newimg = np.zeros((int((weight + 2*0 - 3)/1 + 1), int((height + 2*0 - 3)/1 + 1)))
    count = height
    conv(weight, height, count, newimg, t)
    cv2.imshow('one', newimg)
    cv2.waitKey(0)

四、实现效果

github地址：https://github.com/ojbkaaaa/zhang.github.io/blob/master/%E4%B9%98%E4%BB%A5%E8%BF%87%E6%BB%A4%E5%99%A8%E7%9C%9F%E7%9A%84%E5%8F%AF%E4%BB%A5%E8%BE%B9%E7%BC%98%E6%A3%80%E6%B5%8B%E5%90%97.py