python - scipy.ndimage.interpolate 卷积和关联之间的区别

我只是想熟悉 scipy.ndimage，我无法弄清楚 interpolate.convolve 和 interpolate.correlate 有何不同。

In [24]: a
Out[24]: 
array([[  0.,   1.,   2.],
       [  3.,   4.,   5.],
       [  6.,   7.,   8.],
       [  9.,  10.,  11.]])
In [25]: filt=array([[0,1,0],[1,2,1],[0,1,0]])
In [26]: convolve(a,weights=filt)
Out[26]: 
array([[  4.,   9.,  14.],
       [ 19.,  24.,  29.],
       [ 37.,  42.,  47.],
       [ 52.,  57.,  62.]])
In [27]: correlate(a,weights=filt)
Out[27]: 
array([[  4.,   9.,  14.],
       [ 19.,  24.,  29.],
       [ 37.,  42.,  47.],
       [ 52.,  57.,  62.]])
In [28]: correlate == convolve
Out[28]: False

它们完全一样吗？

最佳答案

卷积 [f(x), g(x)] = 相关性 [f(x), g(-x)]

Correlation当您简单地将内核移动到图像上时，就会发生这种情况。

Convolution是一个数学概念(也用于物理学)，例如在 Fourier Transformation 中发挥作用或者在计算 probability density of quantum mechanical particles/wave 时.

关于python - scipy.ndimage.interpolate 卷积和关联之间的区别，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18518974/