卷积核就是二维滤波器矩阵

1、啥也不做

这个滤波器啥也没有做,得到的图像和原图是一样的。

因为只有中心点的值是1。邻域点的权值都是0,对滤波后的取值没有任何影响

2、图像锐利

锐化滤波器实际上就是计算当前点和周围点的差别,然后将这个差别加到原来的位置上

上面的kernel可用于锐化图像。但是这个kernel有什么特别之处呢?

考虑下图所示的两个输入图像。

第一个图像,中心值为3 * 5 + 2 * -1 + 2 * -1 + 2 * -1 + 2 * -1 =7,值3增加到7。

第二个图像,输出是1 * 5 + 2 * -1 + 2 * -1 + 2 * -1 + 2 * -1 = -3,值1减少到-3。

显然,3和1之间的对比度增加到了7和-3,图像将更清晰锐利

如果核的中心值是负数,就是在强调边缘,在锐化边缘

注意,这里还属于锐化,不是边缘检测

3、边缘检测

这里我们是在找水平的边缘。需要注意的是,这里矩阵的元素和是0,所以滤波后的图像会很暗,只有边缘的地方是有亮度的。

为什么这个滤波器可以寻找到水平边缘呢?

因为用这个滤波器卷积相当于求导的离散版本:你将当前的像素值减去前一个像素值,这样你就可以得到这个函数在这两个位置的差别或者斜率。

下面的滤波器可以找到垂直方向的边缘,这里像素上和下的像素值都使用:

下面这个滤波器可以找到45度的边缘:取-2是为了让矩阵的元素和为0而已

那下面这个滤波器就可以检测所有方向的边缘

4、浮雕

浮雕滤波器可以给图像一种3D阴影的效果。

只要将中心一边的像素减去另一边的像素就可以了。这时候,像素值有可能是负数,我们将负数当成阴影,将正数当成光,然后我们对结果图像加上128的偏移。这时候,图像大部分就变成灰色了。

45度的浮雕滤波器

我们只要加大滤波器,就可以得到更加夸张的效果了

卷积核实现的不同效果及其原理相关推荐

  1. 【卷积核设计】Scaling Up Your Kernels to 31x31: Revisiting Large Kernel Design in CNNs

    文章目录 一.背景 二.方法 三.RepKLNet:a Large-Kernel Architecture 3.1 结构 3.2 尽可能的让卷积核变大 3.3 图像分类 3.4 语义分割 3.5 目标 ...

  2. 史上最小白之CNN 以及 TextCNN详解

    本小白是一名立志从事NLP的菜鸟,本来只准备写一篇TextCNN来加深自己理解地,但想要了解TextCNN那必然需要了解CNN的原理,写的过程中突然想起了自己在学习时各种看博客的心路历程,看一篇博客要 ...

  3. flash与动画 人物动作动画

    今天天气很热,没有太多精神去进行实验,今晚随便写了一下代码.记录一些笔记,看看上面的图片是不是很酷呢?因为这种人物动画只是利用时间间隔播放不同帧才会看到不同效果.原理非常简单,只是切换不同帧. fla ...

  4. 人工智能基础-作业4

    人工智能基础-作业4 一.概念论述 卷积神经网络(Convolutional Neural Networks)是一种深度学习模型或类似于人工神经网络的多层感知器,常用来分析视觉图像. 卷积核就是图像处 ...

  5. 啥是卷积神经网络(三)(GoogLeNet v1网络详解)

    啥是卷积神经网络(三)( GoogLeNet详解) 故事的起因 故事的经过 0. 输入 1. Inception(3a.b) 2. Inception(4a.b.c.d.e) 2.1 Inceptio ...

  6. flash与动画:人物动作动画

    今天天气很热,没有太多精神去进行实验,今晚随便写了一下代码.记录一些笔记,看看上面的图片是不是很酷呢?因为这种人物动画只是利用时间间隔播放不同帧才会看到不同效果.原理非常简单,只是切换不同帧. fla ...

  7. 11- 深度学习之神经网络核心原理与算法-卷积核典型的CNN网络

    典型的CNN网络 VGG16 mark 卷积核,池化层,卷积网络使用的激励函数. 目前市面上比较新的网络,由于计算能力的提升变得越来越复杂. 不再出现典型的纯粹的全连接网络,卷积网络的独有特点,而是把 ...

  8. CNN卷积核计算原理

    一.单通道卷积 以单通道卷积为例,输入为(1,5,5),分别表示1个通道,宽为5,高为5.假设卷积核大小为3x3,padding=0,stride=1. 相应的卷积核不断的在图像上进行遍历,最后得到3 ...

  9. 小卷积核代替大卷积核原理

    卷积层特征图尺寸计算公式 设置图片尺寸为64*64 pixel 两个3*3卷积核代替5*5卷积核 5*5卷积的特征图尺寸: kernel=5*5,stride=1,padding=0 M=(64-5+ ...

最新文章

  1. 在论坛如何写好原创技术贴
  2. 架构周报:微信后台系统的演进之路
  3. c#中的interface abstract 与 virtual(转)
  4. 麒麟810怎么样_华为麒麟810这个跑分,让我意外
  5. AI:2020年6月22日北京智源大会演讲分享之机器感知专题论坛—14:10-14:50王亮教授《面向复杂视觉任务的视觉认知计算》
  6. 硬核!OSPF路由协议归纳大全~
  7. C++中变量使用前一定要初始化
  8. Redis作者antirez:开源维护者的挣扎
  9. Android ANT多渠道打包
  10. OEIS A098928 数表扩充
  11. 2021年机修钳工(中级)考试试卷及机修钳工(中级)试题及解析
  12. 运行Arcgis和SWAT模型遇到Error Number 91和Error Number -2147467259报错怎么办?
  13. java jaas_JAAS(auth和rbac哪个好)
  14. 百度OCR图片内容识别
  15. 数据流被提前关闭- connectionClosedException:premature end of chunk coded message body:closing chunk expected
  16. 微信小程序中实现吸顶效果(流畅、不卡顿)
  17. 下载分享永不关机 几步玩转家庭NAS组建
  18. Qiyuan-接小球游戏3.0
  19. 微信无法连接服务器10,微信无法连接到服务器【应对方式】
  20. nodejs 各版本下载地址

热门文章

  1. 在执行Anaconda命令的时候遇到The following packages are causing the inconsistency:
  2. 岳云鹏被骗?买128G手机实际只有112G
  3. socket的fd是什么?fd是啥的缩写?
  4. Redis持久化:RDB、AOF
  5. android权限级别探索(四),Work Profile/Profile Owner的开启与功能
  6. 2019山东大学操作系统期末试题(全)
  7. 【重读.转】《解放日报》关于《黑客帝国》的访谈
  8. Java和JavaEE和JavaSE的介绍和区别
  9. MIME邮件格式分析及信息提取
  10. android fragment界面刷新,Fragment的刷新