import numpy as np
import matplotlib.pyplot as plt
# 让img1成为没有功能的图像
img1 = np.array([np.array([200, 200]), np.array([200, 200])])
img2 = np.array([np.array([200, 200]), np.array([0, 0])])
img3 = np.array([np.array([200, 0]), np.array([200, 0])])
kernel_horizontal = np.array([np.array([2, 2]), np.array([-2, -2])])
print(kernel_horizontal, '是用于检测水平边缘的内核')
kernel_vertical = np.array([np.array([2, -2]), np.array([2, -2])])
print(kernel_vertical, '是用于检测垂直边缘的内核')
# 我们将通过逐元素相乘，然后求和，将内核应用于图像
def apply_kernel(img, kernel):
    return np.sum(np.multiply(img, kernel))
# 可视化img1
plt.imshow(img1)
plt.axis('off')
plt.title('img1')
plt.show()
# 检查image1中的水平和垂直特征
print('水平边缘置信度分数:', apply_kernel(img1,
                                            kernel_horizontal))
print('垂直边缘置信度分数:', apply_kernel(img1,
                                            kernel_vertical))
# 可视化img2
plt.imshow(img2)
plt.axis('off')
plt.title('img2')
plt.show()
# 检查image2中的水平和垂直特征
print('水平边缘置信度分数:', apply_kernel(img2,
                                            kernel_horizontal))
print('垂直边缘置信度分数:', apply_kernel(img2,
                                            kernel_vertical))
# 可视化img3
plt.imshow(img3)
plt.axis('off')
plt.title('img3')
plt.show()
# 检查image3中的水平和垂直特征
print('水平边缘置信度分数:', apply_kernel(img3,
                                            kernel_horizontal))
print('垂直边缘置信度分数:', apply_kernel(img3,
                                            kernel_vertical))