说到Pooling，相信学习过CNN的朋友们都不会感到陌生。Pooling在中文当中的意思是“池化”，在神经网络当中非常常见，通常用的比较多的一种是Max Pooling，具体操作如下图：
结合图像理解，相信你也会大概明白其中的本意。不过Pooling并不是只可以选取2x2的窗口大小，即便是3x3，5x5等等没问题，步长（Stride）也是一个道理。除了在神经网络方面，Pooling为图片打马赛克也是可以取得不错的效果，结合几个例子看看。
我们可以用Max Pooling先看看效果如何：
Min Pooling和Average Pooling的操作也差不多，只不过把对应的操作函数变了而已。
Min Pooling：
小动物的皮肤颜色都换了，再看看Average Pooling：
综上来看，Average Pooling似乎更加逼真一些，不过换一张图片可能效果就不一样了。
以下是Pooling操作的代码：
import cv2
import numpy as np
def average_pooling(img, G=5):
out = img.copy()
H, W, C = img.shape
Nh = H // G
Nw = W // G
for y in range(Nh):
for x in range(Nw):
for c in range(C):
out[G*y:G*(y+1), G*x:G*(x+1), c] = np.mean(out[G*y:G*(y+1), G*x:G*(x+1), c]).astype(np.int64)
return out由于是多颜色通道的图片，所以记得别漏了这个参数。