以下矩阵表示一个卷积核,请问用该卷积核对图像进行卷积运算的效果是什么?[img=114x99]17e0c25cb09d49d.png[/img]
A: 图像向右平移一个像素
B: 图像向左平移一个像素
C: 图像像素值加1
D: 图像不变
A: 图像向右平移一个像素
B: 图像向左平移一个像素
C: 图像像素值加1
D: 图像不变
举一反三
- 下列关于图像卷积运算的说法,错误的是______。 A: 卷积运算使用卷积核与每点周围像素的灰度值加权求和来调整该点的灰度值 B: 若在图像边界不填充数字,卷积后的图像与原图像大小相同 C: 卷积核一次移动的像素数称为步长 D: 图像卷积运算的结果在计算机中以矩阵形式保存
- 卷积核沿图像边缘操作时,卷积核窗口有可能超出图像边界,Conv2D 方法中参数 padding=“valid” 意为允许在图像边界外填充0值像素,以便卷积窗口超出图像部分也能进行卷积计算。。
- 用大小为 3 × 3 ,值均为 1/9的卷积核,对图像卷积计算,相当于对原图像每一个点及其周围共 9 个像素求平均值,效果是______。 A: 模糊 B: 锐化 C: 边缘检测 D: 目标检测
- 图像的最小组成单位是( ) A: 二个像素 B: 二分之一个像素 C: 四分之一个像素 D: 一个像素
- 假设输入图像矩阵为X,卷积核为K。使用valid卷积方式进行卷积运算,其移动步长为1,计算卷积结果。[img=460x124]17e449c0431f5ec.png[/img]