1樓：
有幾種方式。
丟棄，就是直接不用那部分畫素，縮小濾波的範圍，如果成像範圍比拍攝物件明顯更大，這樣是最好的方法。實際也最推薦這樣的方法。
拷貝，把最邊緣的畫素直接複製到邊緣之外的區域，這種方法會讓邊緣的梯度看起來要比內部得更小，不是很好，我認為是失真的，不如直接丟棄。
固定值填充，比如都填0，這種方法如果隨意使用會造成邊緣梯度顯著變大或者變小，我認為大部分時候不如拷貝，除非你已知需要擴充的畫素本就應該是填充的固定值，但這種情況極為稀有。
映象，分別以影象的四個邊界為映象軸，往外做映象拷貝操作，我比較推薦這樣做，擴充出去的畫素是有語義的，計算出的梯度既不會總是偏大或偏小，而且通常是連續的。
迴圈，可以把乙個無限大的畫布想象成平鋪當前影象的樣子，而你只是用乙個比影象更大一點點且以當前影象為中心的roi框了乙個更大的範圍，如果你的影象邊界剛好是迴圈的紋理，那這樣擴充畫素自然是最好的了，不過這樣完美的情況也比較少見，通常情況下容易因為擴充畫素和邊界畫素的不連續導致梯度失真。
紋理合成，上面幾個方法的實現速度都很快，而且很簡單，紋理合成方法可以利用當前影象中其它區域的畫素合成需要填充的畫素，速度較慢，但當影象中有較多紋理一致的區域時，效果比較好。
對抗生成，現在很火的深度學習方法，需要大量樣本訓練，通常需要gpu，實際有點殺雞用牛刀的意思，提這個純粹是為了拓寬解決問題的思路。
函式 y ln x 的影象在什麼時候曲率最大？
馬小刀 曲率公式 其中 為二階導數，為一階導數。外面是絕對值符號，曲率只能是正值。公式的推導，參考 高等數學 課本。思想很重要，懂得了思想可以自己推導公式。用相切的圓的半徑的導數來表示曲線的彎曲程度。彎曲越厲害，則圓的半徑越小，表示曲率越大。而計算圓的半徑，可以通過弧長與曲線偏向角度的比值得到。y ...
卷積神經網路訓練影象的時候，畫素值都是大於0的，那麼啟用函式relu還有什麼作用呢？
小布丁 大家的問答真的寫的挺好的，讓人看了很清晰 總結如下 雖然畫素點的值全為正，但是要經過卷積，卷積核的值可能有負的，最終卷積得到乙個小於0的結果 卷積之後的值要經過BatchNorm層，這個層在歸一化的選擇上也可能會導致出現負值 所以需要做ReLu的線性變換。 Woolsey Relu是 啟用函...
在piv試驗中，獲得的實驗影象如何有效去除光暈和統計粒子數目
道道 實驗影象包含 1 真正的粒子散射光 2 以一次為主的反射光雜散光 3 硬體系統雜訊 我理解您講的光暈就是第 2 項 問題是如何判定？其實挺難 要不指光衍射二級環？這個通常在千分之幾量級，考慮太多，CPU算力不夠，統計粒子數目應該是算出來的吧，不算原始資訊。問題挺有意思.我花費10多年終於弄出P...