...

本文主要參考來源：圖像處理其實很簡單 線性濾波和卷積的關系：線性濾波可以說是圖像處理最基本的方法，它可以允許我們對圖像進行處理，產生很多不同的效果。做法很簡單。首先，我們有一個二維的濾波器矩陣（有個高大上的名字叫卷積核）和一個要處理的二維圖像。然后，對於圖像的每一個像素點，計算它的鄰域像素 ...

卷積其實是圖像處理中最基本的操作，我們常見的一些算法比如：均值模糊、高斯模糊、銳化、Sobel、拉普拉斯、prewitt邊緣檢測等等一些和領域相關的算法，都可以通過卷積算法實現。只不過由於這些算法的卷積矩陣的特殊性，一般不會直接實現它，而是通過一些優化的手段讓計算量變小。但是有些情況下卷積 ...

1、池化層的作用 在卷積神經網絡中，卷積層之間往往會加上一個池化層。池化層可以非常有效地縮小參數矩陣的尺寸，從而減少最后全連層中的參數數量。使用池化層即可以加快計算速度也有防止過擬合的作用。 2、為什么max pooling要更常用？ 通常來講，max-pooling的效果更好 ...

圖像處理（卷積） 卷積的計算步驟：（動態演示） 對h（n）繞縱軸折疊，得h（-n）； 對h（-m）移位得h（n-m）； 將x（m）和h（n-m）所有對應項相乘之后相加得離散卷積結果y（n ...

圖像處理中濾波和卷積是常用到的操作。兩者在原理上相似，但是在實現的細節上存在一些區別。這篇博文主要敘述這兩者之間的區別。 濾波 簡單來說，濾波操作就是圖像對應像素與掩膜（mask）的乘積之和。比如有一張圖片和一個掩膜，如下圖： 那么像素(i,j)的濾波后結果可以根據以 ...

valid卷積 在full卷積的卷積過程中，會遇到\(K_{flip}\)靠近I的邊界（K矩陣與I矩陣），就會有部分延申到I之外，這時候忽略邊界，只考慮I完全覆蓋\(K_{flip}\)內的值情況,這個的過程就是valid卷積。一個高為H1，寬為W1的矩陣I與高為H2,寬為W2的矩陣K,在H1 ...

高斯濾波 　　高斯濾波（也可以說“高斯模糊”）其實就是一種線性平滑濾波，適用於消除高斯噪聲，廣泛應用於圖像處理的減噪過程。簡單來說就是整個圖像某個像素點的值與周圍像素點的值掛鈎，是原圖像某一像素點的值其實是其本省和周圍像素點值的加權平均過程。 　　處理結果上：整個圖像相較於原圖像會看 ...