虽然我已经找到了关于scipy.ndimage.convalve函数的文档，而且我“实际上知道它的作用”，但是当我试图计算得到的数组时，我无法遵循数学公式。举个例子：
a = np.array([[1, 2, 0, 0],`
[5, 3, 0, 4],
[0, 0, 0, 7],
[9, 3, 0, 0]])
k = np.array([[1,1,1],[1,1,0],[1,0,0]])
from scipy import ndimage
ndimage.convolve(a, k, mode='constant', cval=0.0)
# Why is the result like this ?
array([[11, 10, 7, 4],
[10, 3, 11, 11],
[15, 12, 14, 7],
[12, 3, 7, 0]])
我希望你能一步一步地计算。
最佳答案
ndimage.convalve的详细信息
我偶然发现了这个NDImage卷积，虽然我知道基本的np卷积，而且文档并不是很好地解释，所以我花了很大的努力来理解和补充前面的解释：
A.基础知识：
参考文献：如果你对卷积的概念没有很好的基础，请参考以下内容
https://en.wikipedia.org/wiki/Kernel_(image_processing)，
https://en.wikipedia.org/wiki/Convolution
实际上ndimage.convalve有4种模式，本文主要关注常量模式，对于常量模式，您可以使用cval=0或其他指定的值，并根据需要添加填充的行和列（将在一小部分中进行说明）
卷积实质上是将内核从左到右滑动，然后再从左到右一步一步地向下移动，直到达到所需的（相同数量的）卷积元素数
函数将计算所需的填充行/列在这种情况下，过滤器k是3x 3矩阵，而源图像是matrix a是4x 4，因此您需要在顶部和底部加两个填充行，在左侧和右侧加两个填充行（4+2=6，需要的行数或列数是3+1+1+1=6，每个幻灯片将需要额外的一行或列）
B.操作：
在数组A的顶部和左侧添加一行零和一列零（要均匀地卷积一个3 x 3到4 x 4，
您需要在第一个和第四个滑动窗口处添加额外的填充行/列）以及在底部和右侧添加一行/列的填充零
将内核k翻转为k flip:[[0,0,1]，[0,1,1]，[1,1,1]]
你可以使用numpy np.flip（为什么它需要被翻转，基本上与卷积和相关的概念有关，卷积和相关就像相反方向的孪生兄弟）
将翻转后的K矩阵滑到这个尺寸为6 x 6的展开矩阵上[[0,0,0,0,0]，[0,1,2,0,0]，[0,5,3,0,4,0]，[0,0,0,7]，[0,9,3,0,0,0,0]，[0,0,0]]
对于滑动窗口的第一步（请注意，内核的第一列将与填充的零卷积），您将得到：
翻转K点和[[0,0,0]，[0,1,2]，[0,5,3]]=11（1*1+1*2+1*5+1*3，其他为零）
（点和是指内部点元素相乘的和，基本上只需将两个给定矩阵的相同位置上的相应元素相乘）
将k向右滑动一步，您将有10个（第一行由于填充零而全部为零，第二行：1*2+，第三行1*3+1*4，第四行由于[0,0,0,0,7]而全部为零）
同样，您可以向右滑动两步，以获得卷积矩阵的所有四个元素（注意，对于这一行的第4个元素，我们再次部分卷积到展开的填充行/列上）（
然后将k过滤器向下滑动一行，并重置到“展开/填充矩阵”的最左边。
您将再次得到相同的10（第一行：1*2+，第二行：1*3+1*4），依此类推