滤波&&卷积的基本概念

1、滤波

线性滤波是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。

卷积的原理与滤波类似。但是卷积却有着细小的差别。卷积操作也是卷积核与图像对应位置的乘积和。但是卷积操作在做乘积前，需要先将卷积核翻转180度，之后再做乘积。

2、卷积

2.1、过滤器/卷积核/Kernel

对于滤波器，有一定的规则要求：

1）滤波器的大小应该是奇数，这样它才有一个中心，有中心就也有了半径的称呼，例如5*5大小的核的半径就是2。

2）滤波器矩阵所有的元素之和应该要等于1，这是为了保证滤波前后图像的亮度不变。但是这不是硬性要求。

3）如果滤波器矩阵所有元素之和大于1，那么滤波后的图像就会比原图像更亮，反之，如果小于1，那么得到的图像就会变暗。如果和为0，图像不会变黑，但也会非常暗。

4）对于滤波后的结构，可能会出现负数或者大于255的数值。对这种情况，我们将他们直接截断到0和255之间即可。对于负数，也可以取绝对值。

在具体应用中，往往有多个卷积核，可以认为每个卷积核代表了一种图像模式，例如设计了6个卷积核，可以理解为这个图像上有6中底层纹理模式，也就是我们用6种基础模式就能描绘出一幅图像。

卷积核的作用：提取图像的边缘，提取图像局部特征。

以下为几种常见的卷积应用：

• 平滑均值滤波：

 

•  高斯滤波：

•  图像锐化：

•  Soble边缘检测：

 

 2.2、3通道卷积：

每个通道的卷积核不一样，所以卷积核也变成三通道的卷积核，最后卷积的结果就是把三个通道的卷积结果加在一起，多通道图像也可以用多个卷积核进行卷积，卷积核的个数决定了输出通道的个数，而卷积核的通道数取决于图像的通道数。例如下图中，Filter W0和Filter W1就是两个卷积核，所以可以看到输出通道有两个，而每一个卷积核又有三个通道，这是因为原图像是三通道的。

 CNN厉害的地方就在于卷积核不是人为定义的，而是通过大量图片自己训练学习出来的。