Python cusignal.convolution.convolve.convolve2d用法及代碼示例

用法: cusignal.convolution.convolve.convolve2d(in1, in2, mode='full', boundary='fill', fillvalue=0)

卷積兩個二維數組。將 in1 和 in2 與由 mode 確定的輸出大小以及由 boundary 和 fillvalue 確定的邊界條件進行卷積。參數——- in1 : 數組

第一個輸入。

in2array_like

第二輸入。應該具有與 in1 相同的維度數。

模式str {‘full’, ‘valid’, ‘same’}，可選

指示輸出大小的字符串：full

輸出是輸入的完全離散線性卷積。 (默認)

valid: 輸出僅包含那些不依賴零填充的元素。在‘valid’ 模式中，in1 或in2 在每個維度上必須至少與另一個一樣大。
same: 輸出與 in1 大小相同，以 ‘full’ 輸出為中心。

邊界str {‘fill’, ‘wrap’, ‘symm’}，可選

指示如何處理邊界的標誌：fill

用填充值填充輸入數組。 (默認)

wrap: 圓形邊界條件。
symm: 對稱邊界條件。

填充值標量，可選

填充填充輸入數組的值。默認值為 0。

out：ndarray: 一個二維數組，包含 in1 與 in2 的離散線性卷積的子集。

例子：

使用複數 Scharr 算子通過 2D 卷積計算圖像的梯度。 (水平算子是實數，垂直算子是虛數。)使用對稱邊界條件避免在圖像邊界處產生邊。

>>> import cusignal
>>> import cupy as cp
>>> from scipy import misc
>>> ascent = cp.asarray(misc.ascent())
>>> scharr = cp.array([[ -3-3j, 0-10j,  +3 -3j],
...                    [-10+0j, 0+ 0j, +10 +0j],
...                    [ -3+3j, 0+10j,  +3 +3j]]) # Gx + j*Gy
>>> grad = cusignal.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(cp.asnumpy(ascent), cmap='gray')
>>> ax_orig.set_title('Original')
>>> ax_orig.set_axis_off()
>>> ax_mag.imshow(cp.asnumpy(cp.absolute(grad)), cmap='gray')
>>> ax_mag.set_title('Gradient magnitude')
>>> ax_mag.set_axis_off()
>>> ax_ang.imshow(cp.asarray(cp.angle(grad)), cmap='hsv')
>>> ax_ang.set_title('Gradient orientation')
>>> ax_ang.set_axis_off()
>>> fig.show()

相關用法

注：本文由純淨天空篩選整理自rapids.ai大神的英文原創作品 cusignal.convolution.convolve.convolve2d。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

返回：

例子：