卷积层---对一张Lenna图进行二维卷积后的输出--学习笔记记录

具体代码如下：

import torch
import torch.nn as nn
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
myim = Image.open("data/Lenna.png")
myimgray = np.array(myim.convert("L"),dtype=np.float32)
plt.figure(figsize=(6,6))
plt.imshow(myimgray,cmap=plt.cm.gray)
plt.axis("off")
plt.show()
imh , imw = myimgray.shape
myimgray_t = torch.from_numpy(myimgray.reshape((1,1,imh,imw)))
print("数组转张量后的shape：",myimgray_t.shape)
kersize = 5 #定义边缘检测卷积核，并将维度处理为1*1*5*5
ker = torch.ones(kersize, kersize, dtype=torch.float32) * -1
ker[2,2] = 24
ker = ker.reshape((1,1,kersize,kersize))
##进行卷积操作
conv2d = nn.Conv2d(1,2,(kersize,kersize),bias = False)
##设置卷积时使用的核，第一个核使用边缘检测核
conv2d.weight.data[0] = ker
##对灰度图进行卷积操作
imconv2dout = conv2d(myimgray_t)
##对卷积后的输出进行维度压缩
imconv2dout_im = imconv2dout.data.squeeze()
print("卷积后尺寸：",imconv2dout_im.shape)
##可视化卷积后的图像
plt.figure(figsize=(12,6))
plt.subplot(1,2,1)
plt.imshow(imconv2dout_im[0],cmap=plt.cm.gray)
plt.axis("off")
plt.subplot(1,2,2)
plt.imshow(imconv2dout_im[1],cmap=plt.cm.gray)
plt.axis("off")
plt.show()

使用边缘特征提取卷积核很好的提取出了图像的边缘信息；右图使用的卷积核为随机数，得到的卷积结果与原图很相似。