python 图像卷积_[卷积神经网络(CNN)中的卷积核到底是如何提取图像特征的（python实现图像卷积运算）]...

1.前言

我们知道，卷积核(也叫滤波器矩阵)在卷积神经网络中具有非常重要的作用。说白了，CNN主要作用在于提取图像的各种特征图(feature maps).

CNN主要是通过卷积运算来完成特征提取的。图像卷积运算，主要是通过设定各种特征提取滤波器矩阵(卷积核，通常设定大小为3x3,或者5x5的矩阵)，然后使用该卷积核在原图像矩阵(图像实际是像素值构成的矩阵)‘滑动’，实现卷积运算。如果对卷积运算还不太明白的，可以去看吴恩达的课程，他已经介绍的很详细了。本文重点在于，使用python来实现卷积运算，让大家可以看到实际的卷积运算结果，从而对CNN提取特征有比较直观的认识，进而更好地去理解基于卷积神经网络的图像识别，目标检测等深度学习算法。

在这里插入图片描述

2.自定义卷积核，用numpy完成图像卷积运算，生成对应特征图：

"""

@Project Name: CNN featuremap

@Author: LZP

@Time: 2021-02-02, 16:09

@Python Version: python3.6

@Coding Scheme: utf-8

@Interpreter Name: JupyterNotebook

"""

import numpy as np

import cv2

from matplotlib imp