ks3c ks4c做网站,百度应用商店app下载安装,装修门面一般找谁,铁路建设工程网目录 问题引入 解释 卷积 滤波 问题引入 卷积和滤波是很相似的#xff0c;都是利用了卷积核进行操作 那么他们之间有什么区别呢#xff1f; 卷积#xff1a;会影响原图大小 滤波#xff1a;不会影响原图大小 解释 卷积 我们用这样一段代码来看 import torch.nn as …目录 问题引入 解释 卷积 滤波 问题引入 卷积和滤波是很相似的都是利用了卷积核进行操作 那么他们之间有什么区别呢 卷积会影响原图大小 滤波不会影响原图大小 解释 卷积 我们用这样一段代码来看 import torch.nn as nn import torch x torch.rand(3,5,5) print(x.shape) # 卷积 conv nn.Conv2d(3,3,kernel_size3,stride1) y conv(x) print(y.shape) 我们可以看见图像的大小出现了变换,因为卷积操作舍去了一部分(这里是卷积最基本的原理大家都明白) 滤波 我们也同样先用一段代码来展示 import cv2img cv2.imread(te.png) print(img.shape) # print(img[:5,:,0])img1 cv2.blur(img,(3,3)) print(img1.shape) # print(img1[:5,:,0])img2 cv2.GaussianBlur(img,(3,3),1) print(img2.shape) # print(img2[:5,:,0])img3 cv2.medianBlur(img, 3) print(img3.shape) # print(img3[:5,:,0]) 我们可以看见图像的大小都没有发生变换这是为什么呢 原因: 滤波操作会保留图像的原大小 这句话怎么理解呢我们来看下面的滤波的原理 我们以均值滤波为例子 img1 cv2.blur(img,(3,3)) 我们的卷积核设为3x3的 其实要理解这个很简单主要看看是如何保留边缘的像素点的 如图所示以18为中心3x3的区域左上角的18就会替换为:(185455121)/4   没有的就都不用计算 因此其大小不会发生改变把每个像素点都照顾到了