深度学习——卷积

学习《深度学习——入门与实践》一书，代码实现

卷积的目的在于将某些特征从图像中提取出来，正如视觉系统辨识具有方向性地物体边缘一样。

由于过滤后的新矩阵包含了原矩阵的特征，故又被称为特征图，而卷积核由于具有过滤特定特征的作用，又被称为滤波器。

不同的卷积核可以过滤出不同的特征。

图像边缘的像素点通过该卷积核将得到加强，而非边缘的像素点通过卷积核将被过滤掉，这也是卷积核被称为滤波器的原因。

#-*- coding:utf-8 -*-
from PIL import Image
import numpy as np
import os

im = np.array(Image.open('C:\\Users\\11491\\Desktop\\car.jpg'))# 将原图转入并转化为数组
print(im)
print(im[0][0])
print(len(im))  # 行数
print(len(im[0])) # 列数
print(len(im[0][0]))  # 维度

im_grey = Image.open('C:/Users/11491/Desktop/car.jpg')   # 读入原图并转化为灰度图像，参数为L则将RGB图像转化为灰度图像
im_grey = im_grey.convert('L')
try:
    im_grey.save("carGrey.jpg")
except IOError:
    print("Cannot convert")
im_grey.show()
im_grey=np.array(im_grey)

conv_a= np.array([[1,0,-1],[0,0,0],[-1,0,1]])  # 3*3卷积核0101-41010——0  -1-1-1-18-1-1-1-1——1 10-1000-101——2

def conv(im_array, conv_x):  # 传入图像矩阵和卷积核
    im_copy = im_array.copy()
    height, width = im_copy.shape  # 图像的高度和宽度
    for i in range(0, height-2):
        for j in range(0,width-2):
            tmp = (im_array[(i):(i+3),(j):(j+3)]*conv_x).sum()
            if tmp > 255:
                tmp = 255
            elif tmp < 0:
                tmp = 0
            im_copy[i][j] = tmp
    return im_copy

im_conv = conv(im_grey, conv_a)
new_im = Image.fromarray(im_conv)
new_im.show()
new_im.save("carConv2.jpg")