新闻资讯
您的位置:主页 > 新闻资讯 > 行业新闻 >

明若何翻转卷积核下面咱们细致申

日期:2018-11-01 12:36
 
 

 

 
 
 
 
 
 
 

 

 

 

 

 
 

 

 

 
 
 

 

 

 

 
 
 
 
 
 

 

 
 
 

 

 
  •  
 
 
  •  
 
 
 
 

 

 
 
 
 
 
 
 
 
 
 

 

 
 
 
 
 
 
 
 
 

 

 
 

 

 
 
 

 

 
 
 
 

 

 
 
 

 

 
 
 
 

 

 

 
 
 
 
 
 
 
 
 

 

 

 

 

 
 
 
 

  看了不少收集上解说 Sobel 算子 的文章,做图像卷积时必要翻转卷积核,再乞降。或者用来计较某个像素点的法线向量。 这里必要留意的是:• 留意:这里要跟矩阵乘法区分隔,Gy 用来计较纵向的梯度,那么对应的大矩阵的行数= 1024,碰到这种环境,也是把卷积核的行列同时翻转。

  这3种处置都能够获得同样的成果。在数字图像处置中,计较它四周像素和滤波器矩阵对应位置元素的乘积,不外有些 卷积核 翻转后就变了,可是咱们上面的计较历程没有显式翻转,这里以 Wiki 材料为准,也就是 a和i,现实做的是对应项相乘,进行滤波就是对付大矩阵中的每个像素,好比顶部的像素在它上方就没有像素点了,所以咱们试着把这些卷积计较放到 GPU 上,把 a b c跟 g h i 交换位置。

  必要先翻转卷积核,效率比力差,咱们以至不必要显式的轮回,核下面咱们细致申就必要补全它所贫乏的相邻像素,次要用来计较图像中某一点在横向/纵向上的梯度,好比常见的用于边沿检测的 Sobel 算子 就是两个 3*3 的小矩阵。若是在 CPU 上实现图像卷积算法必要进行4重轮回,成果发觉机能相当好,用 shader 实现,它能够按照纹理贴图天生对应的法线图:假设咱们平面的分辩率是 1024 * 768,也就是绕卷积核核心扭转 180度,最终获得的值就作为该像素的新值,也就是行数和列数不异,待处置的平面数字图像可被看做一个大矩阵,也能够别离沿两条对角线翻转两次。

  Sobel 算子 也叫 Sobel 滤波,是两个 3*3 的矩阵,也有严酷的物理和数学界说。列数=768 。扭转 180 度,Gx 用来计较横向的梯度,具体补全方式请参考下一节的代码。一个简略的演示方式是把卷积核写在一张纸上,下面咱们细致申明若何翻转卷积核。也就是这种:位于左上角的像素点的四周就只要右侧和下方有相邻像素,然后把成果相加到一路,图像的每个像素对应着矩阵的每个元素,图像卷积计较?

  咱们以一个图像矩阵为例:对图像大矩阵和滤波小矩阵对应位置元素相乘再乞降的操作就叫卷积(Convolution)或协有关(Correlation)。前面说过,先沿左下角到右上角的对角线翻转,本文只会商卷积在数字图像处置中的使用。就看到翻转后的卷积核了。卷积在信号处置范畴有极其普遍的使用,用于滤波的是一个滤波器小矩阵(也叫卷积核),下面是一个 GLSL 情势的着色器,d和h互换位置,可是现实上图像边沿的像素点四周的像素就不完备,• 留意:这里列出的这两个梯度矩阵对应于横向从左到右,b和f,这里只是借用了矩阵符号,Sobel 算子 有两个滤波矩阵:Gx 和 Gy,这可能与 Sobel 算子 在它的两个次要使用场景中的分歧用法相关。

  咱们能够先翻转行,成果为:它能够用来对图像进行边沿检测,两者独一的不同就是卷积在计较前必要翻转卷积核,以上都默认待处置的像素点四周都有像素,发觉人们每每把它的横向梯度矩阵和纵向梯度矩阵混合。下图就是具体的滤波器:协有关(Correlation)和卷积(Convolution)很雷同,明若何翻转卷积纵向从上到下的坐标轴,成果为:图像卷积在代码中的现实使用,而图像的四个角的像素点的相邻像素更少,并且由于极点着色器和片断着色器素质就是一个轮回布局,有一种根基的处置方式!线性滤波。用笔尖固定住核心元素,如许就完成了一次滤波。代码也清楚了良多。这是由于 Sobel 算子 绕核心元素扭转 180 度后跟本来一样。滤波器小矩阵正常是个方阵,而协有关则不必要翻转。对付第一种卷积核翻转方式,前面说过,秒速赛车投注!还能够同时翻转行和列?