python conv2d scipy卷積運算

scipy的signal模塊常常用於信號處理，卷積、傅里葉變換、各類濾波、差值算法等。 
*兩個一維信號卷積

 
 
 
 

  
  
  
  
1
  
  
  
  
2
  
  
  
  
3
  
  
  
  
4
  
  
  
  
5
  
  
  
  
6
 
 
 
 
>>> import numpy as np
>>> x=np.array([1,2,3])
>>> h=np.array([4,5,6])
>>> import scipy.signal
>>> scipy.signal.convolve(x,h) #卷積運算
array([ 4, 13, 28, 27, 18])

卷積運算大體能夠分紅3步，首先先翻轉，讓兩個信號列反過來，如上面就是1,2,3和6,5,4。而後做平移，6,5,4最開始在1,2,3的左邊，沒有重疊，如今向右移動，4和1就重疊了。對於重疊的部分，做乘積求和。也就是1x4獲得第一個結果1，而後再移動後5x1+4x2獲得第二個結果13以此類推。 
卷積運算能夠用來作大整數的乘法(數組表示數的乘法)，好比在上面的例子中，要求123乘以456，能夠先獲得它的卷積序列，而後從後往前，18將8保留，進位1給27；而後27變成28，把8保留進位2給28；而後28變成30，把0保留進位3給13；而後13變成16，把6保留進位1給4；4變成5便是最高位。也就是乘法的結果是56088。

*對白噪聲卷積

 
 
 
 

  
  
  
  
1
  
  
  
  
2
  
  
  
  
3
  
  
  
  
4
  
  
  
  
5
  
  
  
  
6
  
  
  
  
7
  
  
  
  
8
  
  
  
  
9
  
  
  
  
10
  
  
  
  
11
  
  
  
  
12
  
  
  
  
13
  
  
  
  
14
  
  
  
  
15
  
  
  
  
16
 
 
 
 
>>> import numpy as np
>>> from scipy import signal
>>> import matplotlib.pyplot as plt
>>> sig=np.random.randn(1000) #生成隨機數
>>> autocorr=signal.fftconvolve(sig,sig[::-1],mode='full') #fft算法實現卷積
>>> fig,(ax_orig,ax_mag)=plt.subplots(2,1) #創建兩行一列圖形
>>> ax_orig.plot(sig) #在第一行把原始的隨機數序列sig畫出來
[<matplotlib.lines.Line2D object at 0x0000000006E1DC88>]
>>> ax_orig.set_title('White noise') #設置標題'白噪聲'
<matplotlib.text.Text object at 0x0000000006931860>
>>> ax_mag.plot(np.arange(-len(sig)+1,len(sig)),autocorr) #卷積後的圖像
[<matplotlib.lines.Line2D object at 0x0000000006E1DB00>]
>>> ax_mag.set_title('Autocorrelation') #設置標題
<matplotlib.text.Text object at 0x0000000006DFE8D0>
>>> fig.tight_layout() #此句能夠防止圖像重疊
>>> fig.show() #顯示圖像

fftconvolve只是用fft算法(快速傅立葉變換)實現的卷積，其結果應當和普通的convolve同樣。

*二維圖像卷積運算

 
 
 
 

  
  
  
  
1
  
  
  
  
2
  
  
  
  
3
  
  
  
  
4
  
  
  
  
5
  
  
  
  
6
  
  
  
  
7
  
  
  
  
8
  
  
  
  
9
  
  
  
  
10
  
  
  
  
11
  
  
  
  
12
  
  
  
  
13
  
  
  
  
14
  
  
  
  
15
  
  
  
  
16
  
  
  
  
17
 
 
 
 
>>> import numpy as np
>>> from scipy import signal
>>> from scipy import misc
>>> import matplotlib.pyplot as plt
>>> face=misc.face(gray=True) #建立一個灰度圖像
>>> scharr=np.array([[-3-3j,0-10j,+3-3j],
        [-10+0j,0+0j,+10+0j],
         [-3+3j,0+10j,+3+3j]]) #設置一個特殊的卷積和
>>> grad=signal.convolve2d(face,scharr,boundary='symm',mode='same') #把圖像的face數組和設計好的卷積和做二維卷積運算,設計邊界處理方式爲symm
>>> fig,(ax1,ax2)=plt.subplots(1,2,figsize=(10,6)) #創建1行2列的圖fig
>>> ax1.imshow(face,cmap='gray') #顯示原始的圖
<matplotlib.image.AxesImage object at 0x00000000078FC198>
>>> ax1.set_axis_off() #不顯示座標軸
>>> ax2.imshow(np.absolute(grad),cmap='gray') #顯示卷積後的圖
<matplotlib.image.AxesImage object at 0x00000000078FCE48>
>>> ax2.set_axis_off() #不顯示座標軸
>>> fig.show() #顯示繪製好的畫布

二維的卷積須要用上面的signal.convolve2d()。 
之因此要對卷積後的圖像數組grad做np.absolute()求絕對值運算是由於灰度圖像的值都是正值，沒有負的，爲了防止出現負值因此才這樣作。 
 
二維的卷積運算還有一種函數，是signal.sepfir2d()，它能夠傳入三個參數，後兩個參數指定行和列的卷積和(兩個方向上的卷積是能夠不一樣的，分別指定卷積和序列)。