二十二、卷积运算

1.1 卷积的定义

• “卷积”其实是一个数学概念，它描述一个函数和另一个函数在某个维度上的加权“叠加”作用。函数定义如下：
  

• 其中，函数$f$和函数 $g$ 是卷积对象，$a$为积分变量，星号“*”表示卷积。公式所示的操作，被称为连续域上的卷积操作。这种操作通常也被简记为如下公式：

1.12 离散卷积和多维卷积

• 一般情况下，我们并不需要记录任意时刻的数据，而是以一定的时间间隔（也即频率）进行采样即可。对于离散信号，卷积操作可用如下表示：

• 当然，对于离散卷积的定义可推广到更高维度的空间上。例如，二维的公式可表示为公式
  

1.3 生活中的卷积

• 在一根铁丝某处不停地弯曲，假设发热函数是$f(t)$，散热函数是$g(t)$，此时此刻的温度就是$f(t)$跟$g(t)$的卷积
• 在一个特定环境下，发声体的声源函数是$f(t)$，该环境下对声源的反射效应函数是$g(t)$，那么在这个环境下感受到的声音就是$f(t)$的和$g(t)$ 的卷积。

2. 卷积的计算方法和实现

2.1 单通道、二维卷积

2.2 带填充的单通道、二维卷积运算

2.3 输出矩阵计算公式

2.4 代码

• 步骤一：导入工具包

from scipy import signal
import matplotlib.pyplot as plt
from PIL import Image
import numpy as np

• 步骤二：读取图片和设置卷积核

gary = Image.open('image/1.png').convert('L')
img_arr = np.array(gary) # 2 维矩阵
print(img_arr.shape)

flt = np.array([[-1, 0, 1], [-2, 0, 2], [-1, 0, 1]])

• 步骤三：计算卷积并画出图形

# 把图像的数组和设计好的卷积和作二维卷积运算,设计边界处理方式为symm
grad = signal.convolve2d(img_arr, flt,boundary='symm', mode='same').astype("int32")
plt.figure("Conv2D")
plt.subplot(121)
plt.imshow(gary, cmap='gray') # 显示原始的图
plt.xticks([])
plt.yticks([])
plt.subplot(122)
plt.xticks([])
plt.yticks([])
plt.imshow(grad, cmap='gray') # 卷积后的图
plt.show()