深度學習——卷積

學習《深度學習——入門與實踐》一書，代碼實現

卷積的目的在於將某些特徵從圖像中提取出來，正如視覺系統辨識具有方向性地物體邊緣一樣。

由於過濾後的新矩陣包含了原矩陣的特徵，故又被稱爲特徵圖，而卷積核由於具有過濾特定特徵的作用，又被稱爲濾波器。

不同的卷積核可以過濾出不同的特徵。

圖像邊緣的像素點通過該卷積核將得到加強，而非邊緣的像素點通過卷積核將被過濾掉，這也是卷積核被稱爲濾波器的原因。

#-*- coding:utf-8 -*-
from PIL import Image
import numpy as np
import os

im = np.array(Image.open('C:\\Users\\11491\\Desktop\\car.jpg'))# 將原圖轉入並轉化爲數組
print(im)
print(im[0][0])
print(len(im))  # 行數
print(len(im[0])) # 列數
print(len(im[0][0]))  # 維度

im_grey = Image.open('C:/Users/11491/Desktop/car.jpg')   # 讀入原圖並轉化爲灰度圖像，參數爲L則將RGB圖像轉化爲灰度圖像
im_grey = im_grey.convert('L')
try:
    im_grey.save("carGrey.jpg")
except IOError:
    print("Cannot convert")
im_grey.show()
im_grey=np.array(im_grey)

conv_a= np.array([[1,0,-1],[0,0,0],[-1,0,1]])  # 3*3卷積核0101-41010——0  -1-1-1-18-1-1-1-1——1 10-1000-101——2

def conv(im_array, conv_x):  # 傳入圖像矩陣和卷積核
    im_copy = im_array.copy()
    height, width = im_copy.shape  # 圖像的高度和寬度
    for i in range(0, height-2):
        for j in range(0,width-2):
            tmp = (im_array[(i):(i+3),(j):(j+3)]*conv_x).sum()
            if tmp > 255:
                tmp = 255
            elif tmp < 0:
                tmp = 0
            im_copy[i][j] = tmp
    return im_copy

im_conv = conv(im_grey, conv_a)
new_im = Image.fromarray(im_conv)
new_im.show()
new_im.save("carConv2.jpg")