paddle实现边缘检测和均值模糊

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