手写代码实现卷积操作(Python)

在卷积神经网络中,才用卷积技术实现对图片的降噪和特征提取。

一般我们构建卷积神经网络都是使用成熟的框架,今天我就来自己实现一下卷积,并使用不同的卷积核来看看效果。

 

卷积操作的原理可以由下图表示:

 一个3*3的卷积核,以滑动窗口的形式在图片上滑动,每滑动一次,就计算窗口中的数据的加权之和,权值就是卷积核的数据。

通过这个过程将图片进行转化。

 

准备图片数据:

 使用PIL库读取图片:

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

读取图片,并可视化:

img = Image.open('金鱼姬.jpg')
plt.axis("off")
plt.imshow(img)

 以灰度显示图片:

gray = img.convert('L')
plt.figure()
plt.imshow(gray, cmap='gray')
plt.axis('off')

 

 RGB三通道数据分离:

r, g, b = img.split()

        三色通道可视化:

plt.imshow(r, cmap='gray')
plt.axis('off')

 将图片数据转化为np矩阵:

np.array(img)
np.array(r)
np.array(g)
np.array(b)

单通道数据(r):

array([[ 52,  58,  55, ..., 139, 133,  91],
       [ 46,  53,  52, ..., 140, 138, 103],
       [ 45,  53,  52, ..., 142, 144, 119],
       ...,
       [ 40,  37,  37, ...,  60,  61,  47],
       [ 39,  36,  37, ...,  56,  58,  48],
       [ 35,  33,  35, ...,  54,  57,  48]], dtype=uint8)

定义卷积核:

#定义卷积核(3*3)
k = np.array([
    [0,1,2],
    [2,2,0],
    [0,1,2]
])

我们使用单通道图片数据进行卷积:

data = np.array(r)
n,m = data.shape

       可以看到,图片的大小为:720*1280

 

关键点来了,定义卷积函数(二维):

def convolution(k, data):
    n,m = data.shape
    img_new = []
    for i in range(n-3):
        line = []
        for j in range(m-3):
            a = data[i:i+3,j:j+3]
            line.append(np.sum(np.multiply(k, a)))
        img_new.append(line)
    return np.array(img_new)

采用双循环遍历图片数据,line存储一行卷积后的数据,img_new记录每一行卷积后的数据,形成新的图片

 

下面来看一看卷积结果:

img_new = convolution(k, data)#卷积过程

#卷积结果可视化
plt.imshow(img_new, cmap='gray')
plt.axis('off')

 因为卷积结果和卷积核有密切关系,虽然上图看上去没他大的区别,那是因为卷积核的关系。

 

我们来使用常见的几种卷积核来看看结果:

卷积核1:垂直边缘检测

k1 = np.array([
    [1,0,-1],
    [1,0,-1],
    [1,0,-1]
])

可以看到,图片中物体的纵向边界特征被提取出来,而其他的特征被弱化了

 

卷积核2:水平边缘检测

k2 = np.array([
    [1,1,1],
    [0,0,0],
    [-1,-1,-1]
])

可以看出,横向特征被凸显。

我们换一个,纵向特征比较明显的图片来试一下:

 例如该图中有很多竖向的扶手,我们看看他的卷积后的效果:

垂直边缘检测:

水平边缘检测:

这样看,特征就很明显了。

通过卷积后的图片,大小变化了,可以使用零填充技术使得输出图片和原图片大小一致,这里就不实现了,本文主要是实现卷积过程。

还有其他常用的卷积核,以下分别展示一下各自的效果:

 

sobel滤波(纵向,横向):

scharr滤波(纵向,横向):

 大家猜猜,最后我使用的是出自哪里的图片吧!

  • 67
    点赞
  • 266
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 26
    评论
评论 26
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

猫猫虫(——)

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
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、付费专栏及课程。

余额充值