filter2D和Conv2D有什么不同？
filter2D和Conv2D有什么不同？
提问于 2019-11-05 10:28:06
当我必须使用opencv锐化图像时，我使用：
#Create our shapening kernel
kernel_sharpening = np.array([[0,-1,0],
[-1, 5,-1],
[0,-1,0]])
# applying the sharpening kernel to the input image & displaying it.
sharpened = cv2.filter2D(image, -1, kernel_sharpening)在上面的代码中，锐化的是我们的结果图像。正如你在上面的代码中看到的，我使用了名为filter2D的opencv函数来执行输入图像与内核的卷积，结果我得到了锐化的图像。
最近我浏览了这个关于图像超分辨率(link)的链接。
发现凯拉斯有类似于filter2D的东西，凯拉斯称之为Conv2D。
其语法如下：
dis2 = Conv2D(filters=64, kernel_size=3, strides=2, padding='same')(dis1)我的问题是opencv filter2D和Keras Conv2D有什么不同？
(我假设两者都做了与内核卷积图像的相同作用，我可能是错的，请正确)
回答 1
Stack Overflow用户
发布于 2019-11-05 10:38:10
我不确定我是否理解了你的问题，但是使用OpenCV，你只能运行一个常量的预定义过滤器。但是使用Keras，您可以了解特定于您的问题和数据集的权重！
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/58703639
复制相关文章
相似问题
腾讯云开发者
