卷积操作是对图像处理时，经常用到的一种操作。它具有增强原信号特征，并且能降低噪音的作用。那么具体是如何计算的呢？

• 待处理图像数据(5x5)：       卷积核：

  A = [[17, 24, 1, 8, 15],          H = [[8, 1, 6],
       [23, 5, 7, 14, 16],               [3, 5, 7],
       [4, 6, 13, 20, 22],               [4, 9, 2]]
       [10, 12, 19, 21, 3],
       [11, 18, 25, 2, 9]]

• 计算步骤：

  • 将算子围绕中心旋转180度

    H =  [[2, 9, 4],
          [7, 5, 3],
          [6, 1, 8]]

  • 滑动算子，使其中心位于输入图像g的（i，j）像素上
    

• (图片版权属于vdumoulin@github)

  • 利用公式求和，得到输出图像的（i,j）像素值

    (2,4)元素值 = (1x2 + 8x9 + 15x4) + (7x7 + 14x5 + 16x3) + (13x6 + 20x1 + 22x8) = 575

  • 重复2），3），直到求出输出图像的所有像素值

• 程序代码(python)：

  # -*- coding: utf-8 -*-
  # @Time    : 2018/1/26
  # @Author  : guangling_lin
  # @Email   : guangling_lin@aliyun.com
  # @File    : convolve.py
  
  import numpy as np
  import scipy.signal
  
  A = np.array([[17, 24, 1, 8, 15], 
                [23, 5, 7, 14, 16], 
                [4, 6, 13, 20, 22], 
                [10, 12, 19, 21, 3], 
                [11, 18, 25, 2, 9]])
  H = np.array([[8, 1, 6], 
                [3, 5, 7], 
                [4, 9, 2]])
  
  print(scipy.signal.convolve(A, H))

• 测试结果：

  [[136 209 134 209 134  63  90]
   [235 220 441 346 276 231 201]
   [169 431 595 410 575 471 274]
   [184 371 440 555 620 551 204]
   [134 301 585 600 765 421 119]
   [ 73 247 446 536 451 128  69]
   [ 44 171 284 269 104  85  18]]

每一个成功的背后都有无数个无人知晓的黑夜。

因为

夜晚，是超越对手的最佳时机。

===================== 码农1024 =====================#蔺光岭#