>>> import numpy as np
>>> x=np.array([1,2,3])
>>> h=np.array([4,5,6])
>>> import scipy.signal
>>> scipy.signal.convolve(x,h) #卷積運算
array([ 4, 13, 28, 27, 18])
          

            
>>> import numpy as np
>>> from scipy import signal
>>> import matplotlib.pyplot as plt
>>> sig=np.random.randn(1000) #生成隨機數
>>> autocorr=signal.fftconvolve(sig,sig[::-1],mode='full') #fft算法實現卷積
>>> fig,(ax_orig,ax_mag)=plt.subplots(2,1) #建立兩行一列圖形
>>> ax_orig.plot(sig) #在第一行把原始的隨機數序列sig畫出來
[
            
              ]
>>> ax_orig.set_title('White noise') #設置標題'白噪聲'

              
                
>>> ax_mag.plot(np.arange(-len(sig)+1,len(sig)),autocorr) #卷積后的圖像
[
                
                  ]
>>> ax_mag.set_title('Autocorrelation') #設置標題

                  
                    
>>> fig.tight_layout() #此句可以防止圖像重疊
>>> fig.show() #顯示圖像
                  
                
              
            
          

            
>>> import numpy as np
>>> from scipy import signal
>>> from scipy import misc
>>> import matplotlib.pyplot as plt
>>> face=misc.face(gray=True) #創建一個灰度圖像
>>> scharr=np.array([[-3-3j,0-10j,+3-3j],
    [-10+0j,0+0j,+10+0j],
     [-3+3j,0+10j,+3+3j]]) #設置一個特殊的卷積和
>>> grad=signal.convolve2d(face,scharr,boundary='symm',mode='same') #把圖像的face數組和設計好的卷積和作二維卷積運算,設計邊界處理方式為symm
>>> fig,(ax1,ax2)=plt.subplots(1,2,figsize=(10,6)) #建立1行2列的圖fig
>>> ax1.imshow(face,cmap='gray') #顯示原始的圖

            
              
>>> ax1.set_axis_off() #不顯示坐標軸
>>> ax2.imshow(np.absolute(grad),cmap='gray') #顯示卷積后的圖

              
                
>>> ax2.set_axis_off() #不顯示坐標軸
>>> fig.show() #顯示繪制好的畫布