Image 基于卷积的图像处理

嗯，我在灰度图像上尝试卷积，但当我在rgb图像上搜索卷积时，我找不到令人满意的解释。如何对rgb图像应用卷积？

通过线性组合相应的矢量元素，可以计算矢量的线性组合：

a * [x1, y1, z1] + b * [x2, y2, z2] = [a*x1+b*x2, a*y1+b*y2 , a*z1+b*z2]

由于卷积是一种线性运算（即，对邻域内的每个像素加权并将结果相加），因此可以将卷积独立应用于每个RGB通道（例如，使用MATLAB语法）：

img=imread（…）；
img（：，：，1）=conv2（img（：，：，1），内核）；
img（：，：，2）=conv2（img（：，：，2），内核）；
img（：，：，3）=conv2（img（：，：，3），内核）；

向量的线性组合可以通过线性组合相应的向量元素来计算：

a * [x1, y1, z1] + b * [x2, y2, z2] = [a*x1+b*x2, a*y1+b*y2 , a*z1+b*z2]

由于卷积是一种线性运算（即，对邻域内的每个像素加权并将结果相加），因此可以将卷积独立应用于每个RGB通道（例如，使用MATLAB语法）：

img=imread（…）；
img（：，：，1）=conv2（img（：，：，1），内核）；
img（：，：，2）=conv2（img（：，：，2），内核）；
img（：，：，3）=conv2（img（：，：，3），内核）；

您可以用两种不同的方式来看待这一点：首先，您可以将彩色图像转换为具有法向量的强度图像。最适用的是（.299、.587、.114），这是自然灰度转换。要获得强度，需要转换I=.299*R+.587*G+.114*B

---

如果您正在设计自己的卷积网络，并打算保留颜色通道作为输入，只需将彩色图像视为具有3个通道的4D张量即可。例如，如果您有一个（h x w）图像，则张量大小为（1 x h x w x 3），您可以使用大小为（kh x kw x 3 x f）的过滤器，其中kh和kw是您的过滤器大小，f是所需的输出特征

您可以用两种不同的方式来看待这一点：首先，您可以将彩色图像转换为具有法向量的强度图像。最适用的是（.299、.587、.114），这是自然灰度转换。要获得强度，需要转换I=.299*R+.587*G+.114*B

---

如果您正在设计自己的卷积网络，并打算保留颜色通道作为输入，只需将彩色图像视为具有3个通道的4D张量即可。例如，如果您有一个（h x w）图像，则张量大小为（1 x h x w x 3），您可以使用大小为（kh x kw x 3 x f）的过滤器，其中kh和kw是您的过滤器大小，f是所需的输出特征

一个频道一个频道。