TensorFlow（8）卷积神经网络实战（2）手写卷积&&池化

目录

一、获取并绘制图像

二、手写卷积

1、设置卷积核及权重

2、卷积

2-1、卷积实现

2-2、 限值

2-3、图像赋值

2-4、显示

 卷积代码

三、手写池化

1、创建图像

2、遍历池化

3、显示图像

池化代码

总代码

---

一、获取并绘制图像

import cv2
import numpy as np

# 从scipy库中获取名为"上升"的图像。这是一张漂亮的内置图片，有很多角度和线条
from scipy import misc
image = misc.ascent()        #获取图像
width,height = image.shape   #获取图像宽高

# 绘制图像（灰度图）
import matplotlib.pyplot as plt
plt.imshow(image)
plt.gray()
plt.show()

 

二、手写卷积

1、设置卷积核及权重

如果过滤器中的所有数字加起来不是0或1，那么就应该设置权重，让过滤器的总和为0或1。
例如，如果过滤器是1，1，1，1，2，1，1，1，1。
它们加起来是10，所以可以设置0.1的权重，使它标准化。  

# 设置卷积核及权重
filter = [ [-1, -2, -1], [0, 0, 0], [1, 2, 1]]
weight = 1

 

2、卷积

# 卷积
# 对图像每行每列分别卷积（除去最外层）
for x in range(1, width-1):
    for y in range(1, height-1):

2-1、卷积实现

# 实现卷积
        # convolution += 图像列元素*卷积核行元素
        convolution = 0.0
        for i in range(3):
            for j in range(3):
                convolution += image[x-1+j, y-1+i]*filter[i][j]
        
        convolution *= weight

2-2、 限值

# 限值
        if convolution > 255:
            convolution = 255
        elif convolution <0:
            convolution = 0

 

2-3、图像赋值

注：不能直接对原图赋值：被赋值后，原图会发生改变，后面还要用原图做卷积。 

# 图像赋值
        copy[x][y] = convolution

如果直接对原图赋值，得到的就是这种图像：

 

2-4、显示

# 显示灰度图
plt.imshow(copy)
plt.show()  

 

 卷积代码

# 手写实现图像卷积
# 设置卷积核及权重
copy = image.copy()
filter = [ [-1, -2, -1], [0, 0, 0], [1, 2, 1]]
weight = 1
# 如果过滤器中的所有数字加起来不是0或1，那么就应该设置权重，让过滤器的总和为0或1。
# 例如，如果过滤器是1，1，1，1，2，1，1，1，1。
# 它们加起来是10，所以可以设置0.1的权重，使它标准化。

# 卷积
for x in range(1, width-1):
    for y in range(1, height-1):
        # 实现卷积（图像对应位置 分别乘 卷积核对应位置）
        convolution = 0.0
        for i in range(3):
            for j in range(3):
                # 列和行分别对应相乘
                convolution += image[x-1+j, y-1+i]*filter[i][j]
        
        convolution *= weight
        
        # 限值
        if convolution > 255:
            convolution = 255
        elif convolution <0:
            convolution = 0
        
        # 图像赋值
        copy[x][y] = convolution

# 显示灰度图
plt.gray()
plt.grid(False)
plt.imshow(copy)
#plt.axis('off')
plt.show()  

三、手写池化

在减小图像数据量的同时，保留图像的特征。 

1、创建图像

# 创建图像(大小为原图的1/4)
new_image2 = np.zeros((int(width/2), int(height/2)))

2、遍历池化

在：本像素、右像素、下像素、右下像素等四个像素中，选取一个最大值，作为缩小后的新图像当前位置值。 

# 遍历池化（步长为2）
for x in range(0, width, 2):
    for y in range(0, height, 2):
        # 选取最大像素
        pixels = []
        pixels.append(new_image[x][y])
        pixels.append(new_image[x+1][y])
        pixels.append(new_image[x][y+1])
        pixels.append(new_image[x+1][y+1])
        new_image2[int(x/2)][int(y/2)] = max(pixels)

3、显示图像

# 显示图像
plt.gray()
plt.imshow(new_image2)
plt.show()     

可以发现图像大小减半的同时，特征也得以保留。 

 

 

池化代码

# 池化（最大值）
import numpy as np

# 创建图像(大小为原图的1/4)
new_image2 = np.zeros((int(width/2), int(height/2)))

# 遍历池化（步长为2）
for x in range(0, width, 2):
    for y in range(0, height, 2):
        # 选取最大像素
        pixels = []
        pixels.append(new_image[x][y])
        pixels.append(new_image[x+1][y])
        pixels.append(new_image[x][y+1])
        pixels.append(new_image[x+1][y+1])
        new_image2[int(x/2)][int(y/2)] = max(pixels)

# 显示图像
plt.gray()
plt.imshow(new_image2)
plt.show()     

总代码

import cv2
from scipy import misc
image = misc.ascent()

import matplotlib.pyplot as plt
plt.grid(False)
plt.gray()
plt.imshow(image)
plt.show()

# 图像尺寸
width, height = image.shape

# 手写实现图像卷积
# 设置卷积核及权重
new_image = image.copy()
filter = [ [-1, -2, -1], [0, 0, 0], [1, 2, 1]]
weight = 1
# 如果过滤器中的所有数字加起来不是0或1，那么就应该设置权重，让过滤器的总和为0或1。
# 例如，如果过滤器是1，1，1，1，2，1，1，1，1。
# 它们加起来是10，所以可以设置0.1的权重，使它标准化。

# 卷积
for x in range(1, width-1):
    for y in range(1, height-1):
        # 实现卷积（图像对应位置 分别乘 卷积核对应位置）
        convolution = 0.0
        for i in range(3):
            for j in range(3):
                # 列和行分别对应相乘
                convolution += image[x-1+j][y-1+i]*filter[i][j]
        
        convolution *= weight
        
        # 限值
        if convolution > 255:
            convolution = 255
        elif convolution <0:
            convolution = 0
        
        # 图像赋值
        new_image[x][y] = convolution

# 显示灰度图
plt.gray()
plt.grid(False)
plt.imshow(new_image)
plt.show()  

# 池化（最大值）
import numpy as np

# 创建图像(大小为原图的1/4)
new_image2 = np.zeros((int(width/2), int(height/2)))

# 遍历池化（步长为2）
for x in range(0, width, 2):
    for y in range(0, height, 2):
        # 选取最大像素
        pixels = []
        pixels.append(new_image[x][y])
        pixels.append(new_image[x+1][y])
        pixels.append(new_image[x][y+1])
        pixels.append(new_image[x+1][y+1])
        new_image2[int(x/2)][int(y/2)] = max(pixels)

# 显示图像
plt.gray()
plt.imshow(new_image2)
plt.show()