Beeldconvoluties
De convolutie van een afbeelding met een kernel vat een deel van de afbeelding samen als de som van de vermenigvuldiging van dat deel van de afbeelding met de kernel. In deze oefening schrijf je de code die een convolutie van een afbeelding met een kernel uitvoert met Numpy. Gegeven een zwart-witafbeelding die is opgeslagen in de variabele im, schrijf je de bewerkingen binnen de lus die de convolutie met de meegeleverde kernel uitvoeren.
Deze oefening maakt deel uit van de cursus
Beeldmodellering met Keras
Oefeninstructies
- Selecteer in elke iteratie het juiste venster uit de afbeelding en vermenigvuldig dit deel van de afbeelding met de kernel.
- Sommeer het resultaat en zet de som op de juiste positie in de uitvoerarray (
results).
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
kernel = np.array([[0, 1, 0], [1, 1, 1], [0, 1, 0]])
result = np.zeros(im.shape)
# Output array
for ii in range(im.shape[0] - 3):
for jj in range(im.shape[1] - 3):
result[ii, jj] = (____[ii:ii+3, jj:____+____] * ____).____
# Print result
print(result)