2d свертка с использованием Python и NumPy

Question

Я пытаюсь выполнить 2-мерную свертку в python, используя numpy

У меня есть 2d-массив следующим образом с ядром H_r для строк и H_c для столбцов

data = np.zeros((nr, nc), dtype=np.float32)

#fill array with some data here then convolve

for r in range(nr):
    data[r,:] = np.convolve(data[r,:], H_r, 'same')

for c in range(nc):
    data[:,c] = np.convolve(data[:,c], H_c, 'same')

data = data.astype(np.uint8);

Он не выдает ожидаемого результата, этот код выглядит нормально, я думаю, что проблема в преобразовании с float32 в 8bit. Какой лучший способ сделать это

Спасибо

Answer 1

Редактировать [январь 2019]

@ Комментарий Ташуса ниже верен, и, таким образом, @ ответ dudemeister , таким образом, вероятно, более заметен. Предложенная им функция также более эффективна, поскольку позволяет избежать прямой двумерной свертки и количества операций, которые могут повлечь за собой.

Возможная проблема

Я полагаю, что вы делаете два 1d свертки, первое для столбцов и второе для строк, и заменяете результаты первого на результаты второго.

Обратите внимание, что numpy.convolve с аргументом 'same' возвращает массив, равный по величине предоставленному наибольшему, поэтому при первом свертывании вы уже заполнили весь массив data.

Одним из хороших способов визуализации ваших массивов на этих этапах является использование диаграмм Хинтона , чтобы вы могли проверить, какие элементы уже имеют значение.

Возможное решение

Вы можете попытаться добавить результаты двух сверток (используйте data[:,c] += .. вместо data[:,c] = во втором цикле for), если ваша матрица свертки является результатом использования одномерных H_r и H_c таких матриц как:

Еще один способ сделать это - использовать scipy.signal.convolve2d с 2-мерным свёрточным массивом, что, пожалуй, то, что вы хотели сделать в первую очередь.

Answer 2

Поскольку ваше ядро ​​уже отделено, вы должны просто использовать функцию sepfir2d из scipy:

from scipy.signal import sepfir2d
convolved = sepfir2d(data, H_r, H_c)

С другой стороны, код, который у вас там, выглядит хорошо ...

Answer 3

Возможно, это не самое оптимизированное решение, но это реализация, которую я использовал ранее с библиотекой numpy для Python:

def convolution2d(image, kernel, bias):
    m, n = kernel.shape
    if (m == n):
        y, x = image.shape
        y = y - m + 1
        x = x - m + 1
        new_image = np.zeros((y,x))
        for i in range(y):
            for j in range(x):
                new_image[i][j] = np.sum(image[i:i+m, j:j+m]*kernel) + bias
return new_image

Надеюсь, этот код поможет другим парням с таким же сомнением.

С уважением.

Answer 4

Этот код неверен:

for r in range(nr):
    data[r,:] = np.convolve(data[r,:], H_r, 'same')

for c in range(nc):
    data[:,c] = np.convolve(data[:,c], H_c, 'same')

См. Преобразование Нуссбаумера из многомерной свертки в одномерную.

Answer 5

Попробуйте первый раунд, а затем приведите к uint8:

data = data.round().astype(np.uint8);