轻松学Pytorch-详解Conv2D卷积处理

欢迎大家来到IT世界,在知识的湖畔探索吧!

Conv2D基本原理与相关函数

常见的图像卷积是二维卷积，而深度学习中Conv2D卷积是三维卷积，图示如下：

欢迎大家来到IT世界,在知识的湖畔探索吧!

Pytroch中的Conv2D是构建卷积神经网络常用的函数，支持的输入数据是四维的tensor对象，格式为NCHW，其中N表示样本数目、C表示通道数目彩色图像为3，灰度图像为1、H跟W分别表示图像高与宽。它们的计算方法可以图示如下：

Conv2D在pytorch中有两个相关的API函数，分别如下：

torch.nn.Conv2d(     in_channels, // 输入通道数     out_channels, // 输出通道数     kernel_size, // 卷积核大小     stride=1, // 步长     padding=0, // 填充     dilation=1, // 空洞卷积支持     groups=1, // 分组卷积支持     bias=True, // 偏置     padding_mode='zeros' // 填0 )

欢迎大家来到IT世界,在知识的湖畔探索吧!

欢迎大家来到IT世界,在知识的湖畔探索吧!torch.nn.functional.conv2d(     input, // 输入数据     weight, // 卷积核     bias=None, // 偏置     stride=1, // 步长     padding=0, // 填充     dilation=1, // 空洞     groups=1 // 分组 )

其中torch.nn.Conv2d主要是在各种组合的t.nn.Sequential中使用，构建CNN模型。
torch.nn.functional.conv2d更多是在各种自定义中使用，需要明确指出输入与权重filters参数。

Pytorch图像卷积处理

下面的代码演示如何使用
torch.nn.functional.conv2d实现图像的模糊、梯度、拉普拉斯等常见的图像卷积处理，代码实现与运行演示分别如下：

图像模糊(左侧为原图)：

图像梯度(左侧为原图)：

图像拉普拉斯(左侧为原图)：

边缘提取(左侧为原图)：

Pytoch也可以像OpenCV一样随意完成各种常规的图像卷积功能了！上面几个演示的源码如下所示：

import torch import torch.nn.functional as F import cv2 as cv import numpy as np def image_blur():     image = cv.imread("D:/images/1024.png", cv.IMREAD_GRAYSCALE)     h, w = image.shape     print(h, w)     cv.imshow("input", image)     img = np.reshape(image, (1, 1, h, w))     img = np.float32(img)     k = torch.ones((1, 1, 7, 7), dtype=torch.float) / 49.0     z = F.conv2d(torch.from_numpy(img), k, padding=3)     result = z.numpy()     print(result.shape)     result = np.reshape(result, (h, w))     cv.imshow("blur", np.uint8(result))     cv.waitKey(0)     cv.destroyAllWindows() def image_gradient():     image = cv.imread("D:/images/1024.png", cv.IMREAD_GRAYSCALE)     h, w = image.shape     print(h, w)     cv.imshow("input", image)     img = np.reshape(image, (1, 1, h, w))     img = np.float32(img)     k = torch.tensor([-1, -2, -1, 0, 0, 0, 1, 2, 2], dtype=torch.float)     k = k.view(1, 1, 3, 3)     print(k.size(), k)     z = F.conv2d(torch.from_numpy(img), k, padding=1)     result = z.numpy()     print(result.shape)     result = np.reshape(result, (h, w))     cv.normalize(result, result, 0, 1.0, cv.NORM_MINMAX)     cv.imshow("gradint", np.uint8(result*255))     cv.waitKey(0)     cv.destroyAllWindows() def image_laplian():     image = cv.imread("D:/images/1024.png", cv.IMREAD_GRAYSCALE)     h, w = image.shape     print(h, w)     cv.imshow("input", image)     img = np.reshape(image, (1, 1, h, w))     img = np.float32(img)     k = torch.tensor([-1, -1, -1, -1, 8, -1, -1, -1, -1], dtype=torch.float)     k = k.view(1, 1, 3, 3)     print(k.size(), k)     z = F.conv2d(torch.from_numpy(img), k, padding=1)     result = z.numpy()     print(result.shape)     result = np.reshape(result, (h, w))     cv.normalize(result, result, 0, 1.0, cv.NORM_MINMAX)     cv.imshow("reshape", np.uint8(result*255))     cv.waitKey(0)     cv.destroyAllWindows() def image_edge():     image = cv.imread("D:/images/1024.png", cv.IMREAD_GRAYSCALE)     h, w = image.shape     print(h, w)     cv.imshow("input", image)     img = np.reshape(image, (1, 1, h, w))     img = np.float32(img)     k = torch.tensor([-1, 0, 0, 1], dtype=torch.float)     k = k.view(1, 1, 2, 2)     print(k.size(), k)     z = F.conv2d(torch.from_numpy(img), k, padding=0)     result = z.numpy()     print(result.shape)     result = np.reshape(result, (h-1, w-1))     cv.imshow("reshape", np.uint8(abs(result)))     cv.waitKey(0)     cv.destroyAllWindows() if __name__ == "__main__":     image_edge()