scipy.signal.

convolve2d

scipy.signal.convolve2d(in1, in2, mode='full', boundary='fill', fillvalue=0)

對兩個 2 維陣列進行卷積。

將 in1 和 in2 進行卷積，輸出大小由 mode 決定，邊界條件由 boundary 和 fillvalue 決定。

參數:

in1array_like

第一個輸入。

in2array_like

第二個輸入。應具有與 in1 相同的維度。

modestr {‘full’, ‘valid’, ‘same’}, 選項性

一個字串，指示輸出的尺寸

full

輸出是輸入的完整離散線性卷積。（預設）

valid

輸出僅包含不依賴零填充的元素。在 'valid' 模式中，in1 或 in2 在每個維度上都必須至少與另一個一樣大。

same

輸出與 in1 的大小相同，相對於 'full' 輸出居中。

boundarystr {‘fill’, ‘wrap’, ‘symm’}, 選項性

一個旗標，指示如何處理邊界

fill

使用 fillvalue 填補輸入陣列。（預設）

wrap

循環邊界條件。

symm

對稱邊界條件。

fillvalue純量, 選項性

用於填補輸入陣列的值。預設值為 0。

回傳值:

outndarray

一個 2 維陣列，包含 in1 與 in2 的離散線性卷積的子集。

範例

在您的瀏覽器中試試看！

透過使用複數 Scharr 運算元進行 2D 卷積，計算影像的梯度。（水平運算元為實數，垂直運算元為虛數。）使用對稱邊界條件以避免在影像邊界建立邊緣。

>>> import numpy as np
>>> from scipy import signal
>>> from scipy import datasets
>>> ascent = datasets.ascent()
>>> scharr = np.array([[ -3-3j, 0-10j,  +3 -3j],
...                    [-10+0j, 0+ 0j, +10 +0j],
...                    [ -3+3j, 0+10j,  +3 +3j]]) # Gx + j*Gy
>>> grad = signal.convolve2d(ascent, scharr, boundary='symm', mode='same')

>>> import matplotlib.pyplot as plt
>>> fig, (ax_orig, ax_mag, ax_ang) = plt.subplots(3, 1, figsize=(6, 15))
>>> ax_orig.imshow(ascent, cmap='gray')
>>> ax_orig.set_title('Original')
>>> ax_orig.set_axis_off()
>>> ax_mag.imshow(np.absolute(grad), cmap='gray')
>>> ax_mag.set_title('Gradient magnitude')
>>> ax_mag.set_axis_off()
>>> ax_ang.imshow(np.angle(grad), cmap='hsv') # hsv is cyclic, like angles
>>> ax_ang.set_title('Gradient orientation')
>>> ax_ang.set_axis_off()
>>> fig.show()

返回在新分頁中開啟