zhengli233

因为计算phase前总要计算gaussian和sobel，所以按照fuse的思路，我尝试把gaussian算子和sobel算子先算卷积，得到融合的卷积核，再用它对原图进行卷积。 ```c++ Mat src = imread("Hydrangeas.jpg", CV_8UC1); int g_k_size = 3; Mat sobel_x, sobel_y, phase_; Mat kernelX = (Mat_(3, 3)

直接乘起来是什么意思？

逐元素相乘是指矩阵点乘吗？ 但src * gaussian_kernel * sobel_kernel不都是卷积运算吗，而且两个kernel的大小不一定一样啊。

@DennisLiu-elogic 你好， 看了你的代码，发现和我的代码最大的差别是你有一个flip的操作（另外就是sobel算子边缘补全）。这个flip应该就是相当于矩阵转置的操作吧。这里我不太明白。。虽然从结果上来说，你的比我好得多，能说说为什么要这么做吗？ 另外，误差的原因我想可能就是在边缘上。我从知乎上找了一张图，介绍怎么把卷积转换成矩阵乘法。  可以看到，如果按正常顺序计算卷积，我们需要 1. 把原图展开； 2. 与卷积核做点乘； 3. 把点乘结果展开； 4. 与下一个卷积核做点乘。 这里实际上对原图展开了2次，而如果先计算后面2个卷积核，虽然也有2次展开，但是其中一次是对卷积核做的展开，因此丢失了一部分数据。

> 哦，之前我理解的有问题，fusion说的不是把卷积核都合成一个，因为这样会越来越大，比如两个3x3的合起来就变成5x5，虽然方法不明，但肯定不是直接一个filter2D另一个。 > fusion说的是局部读一块进去，一起算完再写出来，关键是提高了局部性，而且kernel不仅不应该合起来，还应该尽量拆开算，比如3x3算两次有mn*18次乘法，5x5一次就mn*25次。这也是为什么可分离卷积分开算要快点。 @meiqua 好像确实是这么个道理，kernel不应该合起来。 第二段中你说的提高局部性是指节省了写内存的开销吗？在计算量没有减少的情况下，写内存的开销与计算比起来应该占比很小吧。 > 推导了下，还真满足结合律，不过扩大成9x9也是应该的，改了下一点误差都没有了： > > ```c++ > Mat matSrc = imread ("", IMREAD_GRAYSCALE); > > // modification 1: double type, otherwise GaussianBlur will output...

@meiqua 没有修改你的代码，只是读了我本机路径的图片，结果是这样的  可以看到，偏差还是挺大的 : (

@xinsuinizhuan 不是在做pyrDown的融合，是高斯和sobel的融合

@xinsuinizhuan phase, magnitude不是卷积计算，所以也就没有算子，谈不上融合

 @meiqua 就是这张图，你试试看

Hi @kouchy , Here is my simple test code with "/arch:AVX2" compile command: ```c++ #include "stdafx.h" #include "mipp.h" int main() { uint8_t * arr = new uint8_t[256]; memset(arr, 1, sizeof(uint8_t)...