python - 分別爲每個通道3d數組與2d內核的卷積

Question

我有一個大小爲[c, n, m]的矩陣，其中c是多個通道; n和m是寬度和高度。在特定的例子中，我有一個有1000個通道的矩陣。我想分別爲每個通道使用大小爲a x a的內核進行卷積。在我的例子中，內核大小是3 x 3。在scipy或numpy中有沒有函數可以做這種操作，而不用循環遍歷信道？

我發現scipy.ndimage.convolve函數，但我認爲我不能在不使用循環的情況下將此函數應用於此問題。

Answer 1

將您的矩陣視爲圖像並使用opencv。將數組的形狀更改爲[height，width，num_channels]。然後在opencv中運行filter2D（圖像的卷積函數）。

image = cv2.imread("some_image.jpg") 
image.shape # (height, width, 3) # 3 is 3 channels for Red, Green, Blue 
kernel = np.ones((3,3))/9. 
image_blurred = cv2.filter2D(image, cv2.CV_64F, kernel) # will apply the kernel for each channel. You can have more than 3 channels. 

Answer 2

我想你只需要讓你的內核三維。像這樣的東西應該工作：

kernel = kernel[:, :, None] 

如果scipy.ndimage.convolve不適合3D陣列工作，你可以嘗試scipy.signal.convolve。