python - Scipy像Theano的conv2d一样通过二次采样进行卷积？

我希望使用10 X 10滤镜在尺寸为600 X 400的图像上执行2D卷积。过滤器不可分离。 scipy.signal.convolve2d目前对我来说效果很好，但是我希望很快会有更大的图像。

为了解决这个问题，我有两个想法


调整图像大小
二次采样（或大步）？


专注于子采样部分，theano具有与scipy convolve2d相同的卷积功能，请参见theano conv2d

它还具有子采样选项。但是，在Windows上安装theano对我来说很痛苦。如何使用scipy.signal.convolve2d进行二次采样？还有其他选择（不需要我安装一些重量级的库）吗？

最佳答案

您可以手工实现子采样，为简单起见，我仅绘制1d。假设您要在间隔为k的常规子网格上采样s = d * f。那么您的第n个样本是s_nk = sum_i = 0 ^ 10 f_i d_nk-i。这里要注意的是，f和d的索引总和为k的倍数。这建议将其分解为子和s_nk = sum_j = 0 ^ k-1 sum_i = 0 ^ 10 / k f_j + ik d_-j +（n-i）k。因此，您需要做的是：在所有偏移量为0，...，k-1的间距为k的网格上对d和f进行子采样。对所有偏移量总计为0或k的子采样d和f进行卷积，然后将结果相加。

这是1d的一些代码。它大致实现了上述功能，只是网格的位置稍有不同，以使索引管理更加容易。第二个函数以愚蠢的方式做到这一点，即计算完整的卷积然后进行抽取。用于测试第一个功能。

import numpy as np
from scipy import signal

def ss_conv(d1, d2, decimate):
    n = (len(d1) + len(d2) - 1) // decimate
    out = np.zeros((n,))
    for i in range(decimate):
        d1d = d1[i::decimate]
        d2d = d2[decimate-i-1::decimate]
        cv = signal.convolve(d1d, d2d, 'full')
        out[:len(cv)] += cv
    return out

def conv_ss(d1, d2, decimate):
    return signal.convolve(d1, d2, 'full')[decimate-1::decimate]

编辑：2d版本：

import numpy as np
from scipy import signal

def ss_conv_2d(d1, d2, decy, decx):
    ny = (d1.shape[0] + d2.shape[0] - 1) // decy
    nx = (d1.shape[1] + d2.shape[1] - 1) // decx
    out = np.zeros((ny, nx))
    for i in range(decy):
        for j in range(decx):
            d1d = d1[i::decy, j::decx]
            d2d = d2[decy-i-1::decy, decx-j-1::decx]
            cv = signal.convolve2d(d1d, d2d, 'full')
            out[:cv.shape[0], :cv.shape[1]] += cv
    return out

def conv_ss_2d(d1, d2, decy, decx):
    return signal.convolve2d(d1, d2, 'full')[decy-1::decy, decx-1::decx]

关于python - Scipy像Theano的conv2d一样通过二次采样进行卷积？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/41857498/