关于卷积和卷积核的作用一例

代码：

import matplotlib.pyplot as plt
import pylab
import cv2
import numpy as np

img = plt.imread("jpeg.jpeg")                        #在这里读取图片

plt.imshow(img)                                     #显示读取的图片
pylab.show()

fil_0 = np.array([[ -1,-1, 0],                        #这个是设置的滤波，也就是卷积核
                 [ -1, 0, 1],
                 [  0, 1, 1]])

fil_1 = np.array([[ -1,0, 1],                        #这个是设置的滤波，也就是卷积核
                 [ -2, 0, 2],
                 [ -1, 0, 1]])

fil_2 = np.array([[ -1,-2, -1],                        #这个是设置的滤波，也就是卷积核
                 [ 0, 0, 0],
                 [ 1, 2, 1]])

res_0 = cv2.filter2D(img,-1,fil_0)                      #使用opencv的卷积函数

plt.imshow(res_0)                                     #显示卷积后的图片
plt.imsave("res_0.jpg",res_0)

res_1 = cv2.filter2D(img,-1,fil_1)                      #使用opencv的卷积函数

plt.imshow(res_1)                                     #显示卷积后的图片
plt.imsave("res_1.jpg",res_1)
res_2 = cv2.filter2D(img,-1,fil_2)                      #使用opencv的卷积函数

plt.imshow(res_2)                                     #显示卷积后的图片
plt.imsave("res_2.jpg",res_2)
pylab.show()

原始图片：

三种卷集核卷积出来的效果：

注意看墙上的字，最左边这幅图对轮廓的提取比较好，中年的对竖直线特征提取的更好，而最右边的则对横线特征提取的更好。

不知道这张能不能过审，但是明显网袜的纹理特征更能说明问题

---

结束！