使用Conv2D算子完成一个图像边界检测的任务。图像左边为光亮部分,右边为黑暗部分,需要检测出光亮跟黑暗的分界处。 可以设置宽度方向的卷积核为[1,0,−1][1, 0, -1][1,0,−1],此卷积核会将宽度方向间隔为1的两个像素点的数值相减。当卷积核在图片上滑动的时候,如果它所覆盖的像素点位于亮度相同的区域,则左右间隔为1的两个像素点数值的差为0。只有当卷积核覆盖的像素点有的处于光亮区域,有的处在黑暗区域时,左右间隔为1的两个点像素值的差才不为0。将此卷积核作用到图片上,输出特征图上只有对应黑白分界线的地方像素值才不为0。
基于这个原理,我们可以对多通道图同时实施边缘检测,将卷积核设置为[[-1,-1,-1],[-1,8,-1],[-1,-1,-1]]。 以及进行均值模糊。
自定义卷积内容
# paddlepaddle
# 利用卷积核实现边缘检测和均值模糊
import matplotlib.pyplot as plt
import paddle
import paddle.fluid as fluid
from paddle.fluid.dygraph.nn import Conv2D
from paddle.fluid.initializer import NumpyArrayInitializer
from PIL import Image
import numpy as np
image = Image.open('picture.jpg')
with fluid.dygraph.guard():
# 卷积核参数 [cout, cin, kh, kw]
w = np.array([[-1, -1, -1], [-1, 8, -1], [-1, -1, -1]], dtype='float32')
w = w.reshape([1, 1, 3, 3])
# 由于输入通道数是3,将卷积核的形状从[1,1,3,3]调整为[1,3,3,3]
w = np.repeat(w, 3, axis=1)
conv1 = Conv2D('conv', num_filters=1, filter_size=[3, 3],
param_attr=fluid.ParamAttr(
initializer=NumpyArrayInitializer(value=w)
))
x = np.array(image).astype('float32') # 图片读入时是【H,W,3】
x = np.transpose(x, (2, 0, 1)) # 将通道维度调整到最前面 【3,H, W】
x = x.reshape(1, 3, image.height, image.width) # [N,C,H,W]
x = fluid.dygraph.to_variable(x)
y = conv1(x)
out1 = y.numpy()
w2 = np.ones([3, 3, 5, 5], dtype='float32')
conv2 = Conv2D('conv2', num_filters=3, filter_size=[5, 5],
param_attr=fluid.ParamAttr(
initializer=NumpyArrayInitializer(value=w2)
))
y2 = conv2(x)
out2 = y2.numpy()
out2 = out2 /(25*25)
out2 = np.transpose(out2, (0, 2, 3, 1))
print(out2)
plt.figure(figsize=(10, 5))
f = plt.subplot(131)
plt.imshow(image)
f = plt.subplot(132)
plt.imshow(out1.squeeze(), cmap='gray')
f = plt.subplot(133)
plt.imshow(out2.squeeze().astype('uint8'))
plt.show()
效果
参考:
(85条消息) Paddlepaddle/Pytorch:利用卷积核实现边缘检测和均值模糊_我是大黄同学呀的博客-CSDN博客