矩阵卷积基于n×m矩阵(卷积核),其描述了输入图像中的给定像素值如何与其相邻像素值组合以产生所得像素值。通过将核心矩阵应用于相应的源像素及其相邻像素来确定每个结果像素。
Gabor核是由复调和函数调制的高斯核。谐波函数由一个虚构的正弦函数和一个真正的余弦函数组成。空间频率与谐波的波长和高斯核的标准偏差成反比。带宽也与标准偏差成反比。
在TensorFlow中,4D张量的部分通常由以下字母表示: N是指批次中的图像数量。 H是指垂直(高度)维度中的像素数。 W表示水平(宽度)维度中的像素数量。 C是指通道数。
返回:答:(n,3)ndarray一个二维数组,每行代表3个值,(y,x,sigma)其中(y,x)是blob的坐标,sigma是Hessian矩阵的高斯核的标准偏差其行列式检测到斑点。
参数:图像:(N,M)或(N,M,3)ndarray输入图像。蛇:(N,2)ndarray蛇的初始化坐标。对于周期性的蛇,它不应该包含重复的端点。alpha:float,可选的Snake长度形状参数。
这里,卷积可以被认为是移动穿过n维基本区域的n维窗口,并且针对窗口的每个可能的位置执行计算。 [表格] 设n是空间维数。所述lhs参数是一个等级n+2阵列描述底部区域。
更具体地说,如果堆栈有n个元素,则索引1表示第一个元素(即,先推入堆栈的元素),而索引n表示最后一个元素;索引-1也表示最后一个元素(即顶部的元素)和索引-n表示第一个元素。

扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059
粤公网安备44030502008569号
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号
