二维图像上的卷积和互相关

信息处理 图像处理 过滤器 卷积 互相关 神经网络
2022-02-10 03:00:33

我读过卷积和互相关是一回事,但是在执行输入和内核的元素乘法之前,卷积翻转 180 度(图像)或时间反转(序列)内核。

我了解这对 1D 信号是如何工作的,但是我不知道如何对 2D 图像执行这两个操作,而且在网上很难找到任何好的示例。

我非常感谢一个例子,展示了图像的卷积和互相关。清楚地指定索引代表什么以及如何计算输出图像。

例如(如果您认为它会更好,请随意使用任何其他示例):

在此处输入图像描述

1个回答

如果如您所说,您很好地理解了一维卷积/互相关功能(维基百科的第一张图清楚地解释了它),那么二维版本非常相似!

该网站以简单的方式解释了 2-D 卷积,并提供了清晰的指标和示例。简而言之,必须翻转内核以进行卷积,这意味着您的内核示例将变为 [ML; KJ](抱歉格式化)。然后你将元素相乘并对结果求和,就像你在一维情况下所做的那样。

互相关函数在不翻转内核的情况下是相同的。