使用TensorFlow.js实现卷积检测图像竖线，遇阻求助

核心问题分析与修正点 #

• 卷积核形状错误：TensorFlow.js中conv2d的卷积核必须遵循[filterHeight, filterWidth, inChannels, outChannels]的形状规则。你当前定义的[1,1,3,3]完全不符合要求，由于输入是单通道灰度图，正确形状应为[3,3,1,1]。
• 输入张量维度不匹配：conv2d要求输入为4D张量（结构为[batch, height, width, channels]），但tf.node.decodeImage返回的是3D张量，需通过expandDims(0)添加批次维度。
• 输出图像格式错误：tf.node.encodePng仅支持0-255范围的uint8类型张量，你当前的卷积结果是0-1区间的float32值，需先乘以255再转换为uint8类型才能正常编码为PNG。

修正后的完整代码 #

import * as tf from "@tensorflow/tfjs-node"
import { readFile, writeFile } from "node:fs/promises"

async function mainModule() {
    // 读取并解码单通道灰度图
    const imgBuffer = await readFile("./numberOneGreyColor.png");
    const img = tf.node.decodeImage(imgBuffer, 1) as tf.Tensor3D;

    // 定义竖线检测卷积核：形状为[3,3,1,1]（3x3尺寸，单输入/输出通道）
    const kernel = tf.tensor4d(
        [-1, 2, -1,
         -1, 2, -1,
         -1, 2, -1],
        [3, 3, 1, 1]
    ).cast("float32").div(6);

    // 预处理图像：归一化+扩展为4D张量，执行卷积后压缩批次维度
    const result = img.div(255)
                      .expandDims(0) // 添加批次维度
                      .conv2d(kernel, 1, "same")
                      .squeeze(0); // 移除批次维度回到3D

    // 转换为PNG要求的uint8格式并保存
    const outputTensor = result.mul(255).cast("uint8");
    const data = await tf.node.encodePng(outputTensor);
    await writeFile("./result.png", data);

    // 手动清理张量避免内存泄漏（Node.js环境建议显式释放）
    img.dispose();
    kernel.dispose();
    result.dispose();
    outputTensor.dispose();
}

mainModule().catch(err => console.error("执行出错：", err));

补充说明 #

• 你定义的卷积核确实符合竖线检测的规则：中间列权重为正，左右列为负，能突出垂直方向的边缘。
• 添加了张量手动释放逻辑，避免Node.js环境下的内存泄漏问题。
• 增加了错误捕获，方便排查运行时异常。

内容的提问来源于stack exchange，提问作者user12582392