卷積就是濾波操作，將中心點與其鄰域加權相加，得到的值就是中心點的新值。濾波之后的中心點的像素值用它周圍的點的像素值的加權平均代替，使得邊界變得更加模糊（低通濾波） 高斯核 高斯核的函數圖像是一個正態分布鍾形線，坐標越趨近中心點，值就越大，反之越小。也就是說離中心點越近權值就越 ...

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 ...

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 ...

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 ...

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 ...

噪聲 1.噪聲表現形式 噪聲在圖像上常表現為一引起較強視覺效果的孤立像素點或像素塊。一般，噪聲信號與要研究的對象不相關，它以無用的信息形式出現，擾亂圖像的可觀測信息。通俗的說就是噪聲讓圖像不清楚。 2.噪聲對數字圖像的影響 對於數字圖像信號，噪聲表為或大或小的極值，這些極值通過加減作用於 ...

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 ...

有段時間讀取數據的時候都是用下面的命令： 突然有一天突然反應過來為什么要搞這么麻煩，直接使用： 就好了呀 要在pytorch中使用transform等操作就是要用Image.open讀入數據才行，這也是為什么上面還要用Image.fromarray轉換的原因 ...