二维卷积/矩阵卷积

二维卷积/矩阵卷积的计算方程

设有矩阵A和矩阵B,它们的卷积结果矩阵的元素可由下列公式计算得来:

C(j,k)=pqA(p,q)B(jp+1,kq+1)

其中的index只要在A,B中valid都要参与运算。
举例来说,令矩阵M为卷积核矩阵,矩阵I为图像矩阵,其元素如下:
M=[1324],I=123234345

要计算二者的卷积,首先令卷积核旋转180,那么M的变态过程如下
首先行翻转:
M1=[3241]

然后列翻转:
M2=[4132]

(为什么称为180°翻转呢,这可以看作是原来的矩阵一行一行写成一个行向量,1 2 3 4,然后倒着写回去(180°翻转),变成 4 3 2 1,再写成矩阵的形式,跟上面的变化结果是一样的。)为了便于书写,将反转后的矩阵记为K
如果将矩阵的重叠看作是二维平面上两个矩形的相交,那么相交有无重叠的情况也分为几种:
1. 不相交,没有重叠的部分
不交叉
2. 上边相交,重叠区域在大矩形的上边。
上边交叉

  1. 左边相交,重叠区域在大矩形的左边
    左交叉
    上两种情况的一个交集就是在大矩形的左上角有相交:
    左上交叉
  2. 完全重叠的相交,小矩形套在大矩形里面。
    全交叉
  3. 右边的相交,重叠区域在大矩形的右边。
    右交叉
  4. 下边缘的相交,重叠区域在大矩形的下边。
    下交叉
    右下的相交,重叠区域在大矩形的右下角。
    右下交叉
    类比卷积中,两个矩阵的元素的重叠也有这么几种。那么最终我们要使用这个相交产生的并集或者交集,或者是并集的一部分作为最后卷积结果的尺寸。
    在matlab的conv2函数里有个’shape’参数,是这样解释的:

    Subsection of the convolution, specified as one of these values:

    1. ’full’ — Return the full 2-D convolution.
    2. ‘same’ — Return the central part of the convolution, which is the same size as A.
    3. ‘valid’ — Return only parts of the convolution that are computed without zero-padded edges.

    现在我们默认conv2(I,M),即第一个array的size比第二个array的size要大一些。(如果相反,那么这三种情况又不太一样,此处不涉及)。分别来看一下

Valid 型卷积

这种类型只取用M(自己计算时是K,即180°反转后的矩阵)完全与I重叠的情况,就像是矩阵相交的第4种情况。完全不给任何矩阵补0,最终的卷积结果矩阵与M的尺寸一样(小矩阵的尺寸)。
就我们的M和I的例子,设结果矩阵为V,一个个元素计算的话,其过程如下:
V11=41+32+22+13=17
如下图,
第一个元素
V12=42+33+23+14=27
第二个计算
V21=42+33+23+14=27
第三个计算
V22=43+34+24+15=37
第四个计算
最终Valid型结果为:

V=[17272737]

Same型卷积

这种类型除了包含valid型的所有结果之外,还要包含小矩阵与大矩阵的右边缘、以及下边缘有重叠的情况。就像是矩阵相交的第4、第5和第6种情况。给矩阵I补0,已完成右边缘重叠和下方时的计算。最终的卷积结果矩阵与I的尺寸一样(大矩阵的尺寸)。
就我们的M和I的例子,设结果矩阵为S。I矩阵补零后为

I=1230234034500000

(说明:其实给矩阵补零后相交情况就只有4那种了)
一个个元素计算的话,其过程如下:S11,S12,S21,S22与前面计算的V一样。
S13=43+30+24+10=20
S23=44+30+25+10=26
S31=43+34+20+10=24
S32=44+35+20+10=31
S33=45+30+20+10=20
same
最终Same型结果为:
S=172724273731202620

结合卷积的物理意义,就是加权叠加,再回头看一下计算.
S11是矩阵K和I11周围的像素加权求和,这里的周围指的是右,右下,下还有其本身。
卷积结果矩阵中的其他元也是这样解释。

full 型卷积

包含所有重叠的情况,在Same型基础上添加了小矩阵与大矩阵左边重叠的情况。即矩形相交的2,3,4,5种情况。这也是最复杂的一类。
如果从valid转换为same还比较好理解的话,再转换为full原理也是一样的,不过这次I矩阵是在左边,上边,右边,下边都要补零,为什么要这么做呢?请看下图(博主为了偷懒,就把好几种情况放一起了):
why
是不是必须要前后左右全方位补零才可以呢?而且如果M的size更大一些的话,补的就不止是一行一列的0了。(补就是pad,pad就是补)
最终补零后的I矩阵变成:

I=0000001230023400345000000

(再次强调:其实给矩阵补零后相交情况就只有4那种了)
就我们的M和I的例子,设结果矩阵为F。
F11=40+30+20+11=1
F12=40+30+21+12=4
......
依次类推
full

最终,Full型的卷积结果为:

F=1599417272472737316202620

结合卷积的物理意义,就是加权叠加,再回头看一下计算.
F矩阵中的元素也是矩阵KI周围的像素加权求和,这里的“周围”则比较广义了,既有右边和下边,也有左边和上边。

展开阅读全文
©️2020 CSDN 皮肤主题: 大白 设计师: CSDN官方博客 返回首页
实付0元
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值