https://blog.csdn.net/u011599639/article/details/76254442

函數

numpy.convolve(a, v, mode=‘full’)，這是numpy函數中的卷積函數庫
　　參數：
　　　　a:(N,)輸入的一維數組
　　　　b:(M,)輸入的第二個一維數組
　　　　mode:{‘full’, ‘valid’, ‘same’}參數可選
　　　　　　‘full’　默認值，返回每一個卷積值，長度是N+M-1,在卷積的邊緣處，信號不重疊，存在邊際效應。
　　　　　　‘same’　返回的數組長度為max(M, N),邊際效應依舊存在。
　　　　　　‘valid’ 　返回的數組長度為max(M,N)-min(M,N)+1,此時返回的是完全重疊的點。邊緣的點無效。
直觀理解

數字輸入的是離散信號,如下圖。
已知x[0] = a,x[1]=b,x[2]=c
這裏寫圖片描述
已知y[0]=i,y[1]=j,y[2]=k
這裏寫圖片描述
下面演示x[n]*y[n]過程
第一步，x[n]乘以y[0]並平移到位置0：
這裏寫圖片描述
第二步，x[n]乘以y[1]並平移到位置1：
這裏寫圖片描述
第三步，x[n]乘以y[2]並平移到位置2：
這裏寫圖片描述
最後，把上面三個圖疊加，就得到了x[n] * y[n]：
這裏寫圖片描述
公式及代碼

公式：
代碼：
由上面的公式可以直接得到下面的數組

>>> np.convolve([1, 2, 3], [0, 1, 0.5])
array([ 0. , 1. , 2.5, 4. , 1.5])

1
2

數組中的5個點分別最後一張圖片中的五個值

>>> np.convolve([1,2,3],[0,1,0.5], ‘same‘)
array([ 1. , 2.5, 4. ])

1
2

三個值分別對應圖片中的（1、2、3）三個下標的值

>>> np.convolve([1,2,3],[0,1,0.5], ‘valid‘)
array([ 2.5])

1
2

對應圖片坐標為2的值
---------------------
作者：QLMX
來源：CSDN
原文：https://blog.csdn.net/u011599639/article/details/76254442?utm_source=copy
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！

numpy中的convolve的理解