图像卷积(简单版)

图像卷积的是图像处理的基础，通过不同的卷积核，可以从的图像的提取出不同的特征。而深度学习一个重要的组成部分，就是通过一系列自学习的卷积核，从图像提取各种特征。

学习资料https://blog.csdn.net/chaipp0607/article/details/72236892?locationNum=9&fps=1

暴力算法复杂度是n*n*m*m 当m很大时很不理想。

用FFT做卷积优化后，复杂度可下降至n*n*log(n*m).

当然简单版你只要写暴力就行了

多组数据。

每组数据 第一行包含两个整数n,m

接下来n行，每个有n个整数，代表一个n*n灰度矩阵{a_ij}

再接下m行，每行有m个整数。代表m*m卷积核矩阵{b_ij}

其中

n<=100

m<=min(20,n)

0<a_ij<=255

-10<b_ij<=10

数据组数不超过20组

在样例中你将看到用一种微分近似卷积核提取图像边缘的效果

输出(n-m+1)*(n-m+1)的矩阵{c_ij}，代表图像卷积的结果。其中

（会越界的部分舍去，所以只有n-m+1)*(n-m+1) ）

13 3
0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 1 1 1 1 1 0 0 0 0
0 0 0 1 1 1 1 1 1 1 0 0 0
0 0 0 1 1 1 1 1 1 1 0 0 0
0 0 1 1 1 1 1 1 1 1 1 0 0
0 0 0 1 1 1 1 1 1 1 0 0 0
0 0 0 1 1 1 1 1 1 1 0 0 0
0 0 0 0 1 1 1 1 1 0 0 0 0
0 0 0 0 0 0 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0
0 -1 0
-1 4 -1
0 -1 0
5 3
0 0 0 0 0
0 0 0 0 0
0 0 1 0 0
0 0 0 0 0
0 0 0 0 0
0 -1 0
-1 4 -1
0 -1 0
5 2
1 0 0 0 0
1 0 0 0 0
1 0 0 0 0
1 0 0 0 0
1 0 0 0 0
1 0
0 0

0 0 0 0 0 -1 0 0 0 0 0
0 0 0 -1 -2 3 -2 -1 0 0 0
0 0 -2 2 1 0 1 2 -2 0 0
0 -1 2 0 0 0 0 0 2 -1 0
0 -2 1 0 0 0 0 0 1 -2 0
-1 3 0 0 0 0 0 0 0 3 -1
0 -2 1 0 0 0 0 0 1 -2 0
0 -1 2 0 0 0 0 0 2 -1 0
0 0 -2 2 1 0 1 2 -2 0 0
0 0 0 -1 -2 3 -2 -1 0 0 0
0 0 0 0 0 -1 0 0 0 0 0
0 -1 0
-1 4 -1
0 -1 0
1 0 0 0
1 0 0 0
1 0 0 0
1 0 0 0