理解图像的导数以及scipy的卷积信号函数

Question

我想区分我的图像，首先是按行，然后分别按列。在

导数表示为f[i+1]-f[i]，其中i是像素，f是该像素的值/强度。在

我被教导，这可以通过卷积来完成，用（1，0，-1）作为行向量的d/dx卷积，d/dy作为相同的向量，但以列的形式。在

我的问题是-在python中使用scipy.signal.consolve2d，使用mode='same'，用这些向量进行卷积，得到的结果与数字差异一

比如说3x3矩阵：

5 4 3

2 1 1 

3 2 5

用（1,0，-1）卷积得到

^{pr2}$

而numpy的差异给了我：

-3 -3 -2

 1  1  4

我的问题如下：

1.）当用核（1,0，-1）卷积NxN图像时，函数是否按向量卷积每一行？在

2.）为什么我的结果不同？我知道形状不同，numpy的结果有一行，但我可以理解，因为它不包括原始的第0行

def deriv(image): """ :param im: 2D image :return: magnitude of the derivative """ #Horizontal Derivative dx = convolve2d(im, DX, mode='same') print('dx', dx) #Vertical Derivative dy = convolve2d(im, DY, mode='same') print('dy', dy) magnitude = np.sqrt(np.abs(dx)**TWO + np.abs(dy)**TWO) return magnitude