CNN中常用的卷积核：锐化卷积核模板
銳化
將原圖像和拉普拉斯圖像疊加到一起，便可以得到銳化圖像。在圖像的邊緣處，二階微分值變化非常大。因此可以用各向同性的拉普拉斯微分算子檢測圖像中的灰度突變（即邊緣）。
各向同性是指先對圖像進行旋轉再進行濾波處理和先進行濾波處理再旋轉的結果是相同的。
拉普拉斯算子的變換：
?2f=?2f?2x+?2f?2y\nabla^{2}f = \frac{\partial^{2} f}{\partial^{2} x} + \frac{\partial^{2} f}{\partial^{2} y} ?2f=?2x?2f?+?2y?2f?
?2f?2x=f(x+1,y)+f(x?1,y)?2f(x,y)\frac{\partial^{2} f}{\partial^{2} x} = f(x+1,y) + f(x-1,y) - 2f(x,y) ?2x?2f?=f(x+1,y)+f(x?1,y)?2f(x,y)
?2f?2y=f(x,y+1)+f(x,y?1)?2f(x,y)\frac{\partial^{2} f}{\partial^{2} y} = f(x, y+1) + f(x, y-1) -2f(x,y) ?2y?2f?=f(x,y+1)+f(x,y?1)?2f(x,y)
?2f=?2f?2x+?2f?2y=f(x+1,y)+f(x?1,y)+f(x,y+1)+f(x,y?1)?4f(x,y)\nabla^{2}f = \frac{\partial^{2} f}{\partial^{2} x} + \frac{\partial^{2} f}{\partial^{2} y} = f(x+1,y) + f(x-1, y) + f(x, y+1) + f(x, y-1) -4f(x,y) ?2f=?2x?2f?+?2y?2f?=f(x+1,y)+f(x?1,y)+f(x,y+1)+f(x,y?1)?4f(x,y)
將上面的式子換一個表達方式，以x, y為坐標中心點，則可以表達為：
將原圖像和拉普拉斯圖像疊加在一起得銳化卷積核模板：
（注意：原圖像-拉普拉斯圖像=銳化圖像，做差是因為拉普拉斯算子中心為負。）
總結
以上是生活随笔為你收集整理的CNN中常用的卷积核：锐化卷积核模板的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： .Net C#域账号登陆验证
- 下一篇： 依图笔试2020/8/28，我是机器人（