數學小記之卷積
本文簡述了1維卷積和2維卷積的實現
一維卷積
描述卷積的方式很多,譬如這個:
- 一個函式在另一個函式上的加權疊加
雖然各個解釋都有助於我們對卷積的理解,但是個人感覺還是直接通過公式來了解卷積更為直觀(簡單起見,這裡我們僅討論卷積的離散定義):
注意一下這個公式,其所表達的意思是: f 和g 這兩個函式在x 處的卷積值,而這個在x 處的卷積值是通過取遍自變數n 的"所有值(從負無窮到正無窮)"而計算出來的
當然,對於實際給出的 f 函式(序列) 和g 函式(序列) 都不會是無窮的,所以計算過程中自變數 n 的取值自然也不會是無窮的,舉個簡單的例子,假設我們有以下的函式(序列):
並設 f 和 g 的卷積結果為 h , 那麼 h(1) 等於多少呢?
我們來套用一下之前的公式:
考慮到 n 和 1 - n 的合法範圍( n 需為 f 的合法索引, 1 - n 需為 g 的合法索引),我們有:
所以對於 h(1) 來說 自變數n 有兩個合法取值:0 和1 , 於是我們有:
其餘的卷積數值也可以依樣進行計算,有興趣的朋友可以自行試下~
下面是使用 Lua 實現的一維卷積示例:
local function dimension(f) if type(f) == "table" then local dim = #f if dim > 0 then return dim, dimension(f[1]) else return 0 end end end local function value(f, ...) if f then local dim_index = { ... } for i = 1, #dim_index do local index = dim_index[i] f = f[index] if not f then return 0 end end end return f end -- 1d convolution, sample f(array with 3 elements) and g(array with 3 elements), h is convolution result(array index is from 0) -- h(0) = f(0) * g(0) -- h(1) = f(0) * g(1) + f(1) * g(0) -- h(2) = f(0) * g(2) + f(1) * g(1) + f(2) * g(0) -- h(3) = f(1) * g(2) + f(2) * g(1) -- h(4) = f(2) * g(2) function convolution_1d(f, g) local row_1 = dimension(f) local row_2 = dimension(g) if row_1 > 0 and row_2 > 0 then local h = {} local n = row_1 + row_2 - 2 for i = 0, n do local sum = 0 for j = 0, i do sum = sum + value(f, j + 1) * value(g, i - j + 1) end table.insert(h, sum) end return h end end
示例中的 dimension函式 和 value函式 對於不熟悉 Lua 的朋友可能會造成些閱讀障礙(對於示例來說確實有些過度技巧化了),在此我們可以簡單理解:
- dimension(f) 獲取 f 的陣列個數(支援多維陣列)
- value(f, …) 獲取 f 在 …(不定引數) 所給定的索引處的數值,數值不存在則返回 0 (支援多維陣列)
二維卷積
二維卷積可以使用一維卷積來進行類比,在此僅給出(離散定義)公式和相關示例實現(使用 Lua):
示例程式碼如下,其中的 dimension函式 和 value函式 即來自於之前的示例程式碼,在此不再重複列出:
-- 2d convolution, sample f(matrix 3 * 3) and g(matrix 2 * 2), h is convolution result(matrix index is from (0, 0)) -- h(0, 0) = f(0, 0) * g(0, 0) -- h(0, 1) = f(0, 0) * g(0, 1) + f(0, 1) * g(0, 0) -- h(0, 2) = f(0, 1) * g(0, 1) + f(0, 2) * g(0, 0) -- h(0, 3) = f(0, 2) * g(0, 1) -- h(1, 0) = f(0, 0) * g(1, 0) + f(1, 0) * g(0, 0) -- h(1, 1) = f(0, 0) * g(1, 1) + f(0, 1) * g(1, 0) + f(1, 0) * g(0, 1) + f(1, 1) * g(0, 0) -- h(1, 2) = f(0, 1) * g(1, 1) + f(0, 2) * g(1, 0) + f(1, 1) * g(0, 1) + f(1, 2) * g(0, 0) -- h(1, 3) = f(0, 2) * g(1, 1) + f(1, 2) * g(0, 1) -- h(2, 0) = f(1, 0) * g(1, 0) + f(2, 0) * g(0, 0) -- h(2, 1) = f(1, 0) * g(1, 1) + f(1, 1) * g(1, 0) + f(2, 0) * g(0, 1) + f(2, 1) * g(0, 0) -- h(2, 2) = f(1, 1) * g(1, 1) + f(1, 2) * g(1, 0) + f(2, 1) * g(0, 1) + f(2, 2) * g(0, 0) -- h(2, 3) = f(1, 2) * g(1, 1) + f(2, 2) * g(0, 1) -- h(3, 0) = f(2, 0) * g(1, 0) -- h(3, 1) = f(2, 0) * g(1, 1) + f(2, 1) * g(1, 0) -- h(3, 2) = f(2, 1) * g(1, 1) + f(2, 2) * g(1, 0) -- h(3, 3) = f(2, 2) * g(1, 1) function convolution_2d(f, g) local row_1, col_1 = dimension(f) local row_2, col_2 = dimension(g) if row_1 > 0 and col_1 > 0 and row_2 > 0 and col_2 > 0 then local h = {} local m = row_1 + row_2 - 2 local n = col_1 + col_2 - 2 for i = 0, m do for j = 0, n do local sum = 0 for k1 = 0, i do for k2 = 0, j do sum = sum + value(f, k1 + 1, k2 + 1) * value(g, i - k1 + 1, j - k2 + 1) end end h[i + 1] = h[i + 1] or {} h[i + 1][j + 1] = sum end end return h end end
- ofollow,noindex" target="_blank">如何通俗地理解卷積?(很好的介紹文章,推薦首先閱讀)
- 我對卷積的理解
- 最容易理解的對卷積(convolution)的解釋