Python 正确使用numpy'；s与图像卷积

我正在观看，想用一个

3x3

过滤器卷积一个

6x6

图像。我与numpy的合作方式如下：

image = np.ones((6,6))
filter = np.ones((3,3))

convolved = np.convolve(image, filter)

运行此命令会出现一个错误，提示：

ValueError: object too deep for desired array

我可以从中理解如何正确使用

convolve

方法

---

还有，有没有一种方法可以用numpy进行快速卷积？

code>np。不幸的是，卷积函数只适用于一维卷积。这就是为什么你会犯错误；您需要一个允许执行二维卷积的函数

然而，即使它真的起作用了，实际上你的操作是错误的。机器学习中所谓的卷积在数学中更恰当地称为互相关。它们实际上几乎是一样的；卷积涉及翻转滤波器矩阵，然后执行互相关

要解决您的问题，您可以查看

scipy.signal.correlate

（另外，不要使用

filter

作为名称，因为您将隐藏内置函数）：

输出：

array([[1., 2., 3., 3., 3., 3., 2., 1.],
       [2., 4., 6., 6., 6., 6., 4., 2.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [2., 4., 6., 6., 6., 6., 4., 2.],
       [1., 2., 3., 3., 3., 3., 2., 1.]])

array([[9., 9., 9., 9.],
       [9., 9., 9., 9.],
       [9., 9., 9., 9.],
       [9., 9., 9., 9.]])

这是完全互相关的标准设置。如果要删除将要删除的元素，请传递

mode='valid'

：

from scipy.signal import correlate

image = np.ones((6, 6))
f = np.ones((3, 3))

correlate(image, f, mode='valid')

输出：

array([[1., 2., 3., 3., 3., 3., 2., 1.],
       [2., 4., 6., 6., 6., 6., 4., 2.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [3., 6., 9., 9., 9., 9., 6., 3.],
       [2., 4., 6., 6., 6., 6., 4., 2.],
       [1., 2., 3., 3., 3., 3., 2., 1.]])

array([[9., 9., 9., 9.],
       [9., 9., 9., 9.],
       [9., 9., 9., 9.],
       [9., 9., 9., 9.]])

---

我看到输出是一个

8x8

矩阵。从我在视频中看到的情况来看，它必须是一个

4x4

矩阵。@SuhailGupta

8x8

数组是通过完全互相关生成的，这是默认设置。如果在机器学习上下文中执行互相关，则可能只希望在未添加的元素上执行互相关，这可以通过

mode='valid'

获得。我编辑了我的答案以反映这一点。