卷积操作python实现

转https://blog.csdn.net/baidu_30594023/article/details/82941356

import cv2
import numpy as np
weights_data=np.array([[[-1,-1,-1],
                      [-1,-1,-1],
                      [-1,-1,-1]],[[-1,-1,-1],
                      [-1,-1,-1],
                      [-1,-1,-1]],[[-1,-1,-1],
                      [-1,-1,-1],
                      [-1,-1,-1]]])
def compute_conv(fm,kernel):
    [h,w]=fm.shape
    [k,_]=kernel.shape 
    r=int(k/2)
    #定义边界填充0后的map
    padding_fm=np.zeros([h+2,w+2],np.float32)
    #保存计算结果
    rs=np.zeros([h,w],np.float32)
    #将输入在指定该区域赋值，即除了4个边界后，剩下的区域
    padding_fm[1:h+1,1:w+1]=fm 
    #对每个点为中心的区域遍历
    for i in range(1,h+1):
        for j in range(1,w+1): 
            #取出当前点为中心的k*k区域
            roi=padding_fm[i-r:i+r+1,j-r:j+r+1]
            #计算当前点的卷积,对k*k个点点乘后求和
            rs[i-1][j-1]=np.sum(roi*kernel)
 
    return rs
def my_conv2d(input,weights):
    [c,h,w]=input.shape

    #对每个feature map遍历，从而对每个feature map进行卷积
    for i in range(c):
        f_map=input[i]
        print(f_map.shape,666)
        w=weights[i]
        rs =compute_conv(f_map,w)
        if i ==0:
            outputs=rs
        else:
            outputs=outputs+rs   
    return outputs
    
def main():
    input = cv2.imread('test.png')
    input = np.transpose(input,[2,0,1])
    print(input.shape)
    input = np.asarray(input,np.float32)
    #shape=[in_c,k,k]
    #weights_data = np.random.randint(0,10,size=(3, 3, 3))
    weights =  np.asarray(weights_data,np.float32) 
    rs=my_conv2d(input,weights) 
    print(rs.shape,'!!!!!!!!!!!')
    cv2.imwrite('2.jpg',rs)
 
 
if __name__=='__main__':
    main()