卷积就是滤波操作，将中心点与其邻域加权相加，得到的值就是中心点的新值。滤波之后的中心点的像素值用它周围的点的像素值的加权平均代替，使得边界变得更加模糊（低通滤波） 高斯核 高斯核的函数图像是一个正态分布钟形线，坐标越趋近中心点，值就越大，反之越小。也就是说离中心点越近权值就越 ...

1、池化层的作用 在卷积神经网络中，卷积层之间往往会加上一个池化层。池化层可以非常有效地缩小参数矩阵的尺寸，从而减少最后全连层中的参数数量。使用池化层即可以加快计算速度也有防止过拟合的作用。 2、为什么max pooling要更常用？ 通常来讲，max-pooling的效果更好 ...

本文主要参考来源：图像处理其实很简单 线性滤波和卷积的关系：线性滤波可以说是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。做法很简单。首先，我们有一个二维的滤波器矩阵（有个高大上的名字叫卷积核）和一个要处理的二维图像。然后，对于图像的每一个像素点，计算它的邻域像素 ...

图像处理（卷积） 卷积的计算步骤：（动态演示） 对h（n）绕纵轴折叠，得h（-n）； 对h（-m）移位得h（n-m）； 将x（m）和h（n-m）所有对应项相乘之后相加得离散卷积结果y（n ...

高斯滤波 　　高斯滤波（也可以说“高斯模糊”）其实就是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。简单来说就是整个图像某个像素点的值与周围像素点的值挂钩，是原图像某一像素点的值其实是其本省和周围像素点值的加权平均过程。 　　处理结果上：整个图像相较于原图像会看 ...

噪声 1.噪声表现形式 噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪声信号与要研究的对象不相关，它以无用的信息形式出现，扰乱图像的可观测信息。通俗的说就是噪声让图像不清楚。 2.噪声对数字图像的影响 对于数字图像信号，噪声表为或大或小的极值，这些极值通过加减作用于 ...

卷积其实是图像处理中最基本的操作，我们常见的一些算法比如：均值模糊、高斯模糊、锐化、Sobel、拉普拉斯、prewitt边缘检测等等一些和领域相关的算法，都可以通过卷积算法实现。只不过由于这些算法的卷积矩阵的特殊性，一般不会直接实现它，而是通过一些优化的手段让计算量变小。但是有些情况下卷积 ...

有段时间读取数据的时候都是用下面的命令： 突然有一天突然反应过来为什么要搞这么麻烦，直接使用： 就好了呀 要在pytorch中使用transform等操作就是要用Image.open读入数据才行，这也是为什么上面还要用Image.fromarray转换的原因 ...