什么是卷积convolution

定义

卷积是两个变量在某范围内相乘后求和的结果。如果卷积的变量是序列x(n)和h(n)，则卷积的结果

，

其中星号*表示卷积。

当时序n=0时，序列h(-i)是h(i)的时序i取反的结果；时序取反使得h(i)以纵轴为中心翻转180度，所以这种相乘后求和的计算法称为卷积和，简称卷积。

另外，n是使h(-i)位移的量，不同的n对应不同的卷积结果。

 

如果卷积的变量是函数x(t)和h(t)，则上述卷积(和)的计算变为积分：

，

其中p是积分变量，积分也是求和，t是使函数h(-p)位移的量，星号*表示卷积。

参考《数字信号处理》杨毅明著，p.55、p.188、p.264， 机械工业出版社2012年发行。

图解卷积

1. 首先将两个函数都用来表示。
2. 对其中一个函数做水平翻转： →
3. 加上一个时间偏移量，让 能沿着 轴滑动。
4. 让t从-∞滑动到+∞。两函数交会时，计算交会范围中两函数乘积的积分值。
   换句话说，我们是在计算一个滑动的的加权平均值。也就是使用当做加权函数，来对取加权平均值。

  最后得到的波形（未包含在此图中）就是 f和 g的卷积。

如果f(t)是一个单位脉冲，我们得到的乘积就是g(t)本身，称为冲激响应 。

性质

交换律 结合律 分配律 数乘结合律 其中 a为任意 实数（或 复数）。

微分定理 其中D f表示 f的 微分，如果在离散域中则是指 差分算子，包括前向差分与后向差分两种。

 

卷积定理

卷积定理指出，函数卷积的 傅里叶变换是函数傅里叶变换的乘积。即，一个域中的卷积相当于另一个域中的乘积，例如 时域中的卷积就对应于 频域中的乘积。

F(g(x)*f(x)) = F(g(x))F(f(x))

其中F表示的是 傅里叶变换。

这一定理对 拉普拉斯变换、 双边拉普拉斯变换、 Z变换、 Mellin变换和Hartley变换（参见Mellin inversion theorem）等各种傅里叶变换的变体同样成立。

在 调和分析中还可以推广到在局部 紧致的 阿贝尔群上定义的傅里叶变换。

利用卷积定理可以简化卷积的运算量。

对于长度为n的序列，按照卷积的定义进行计算，需要做2N - 1组对位乘法，其计算复杂度为O(N * N)；

而利用傅里叶变换将序列变换到频域上后，只需要一组对位乘法，利用傅里叶变换的快速算法之后，总的计算复杂度为O(N * log N)。

这一结果可以在快速乘法计算中得到应用。

 

应用

卷积在工程和数学上都有很多应用：

• 统计学中，加权的滑动平均是一种卷积。
• 概率论中，两个统计独立变量X与Y的和的概率密度函数是X与Y的概率密度函数的卷积。
• 声学中，回声可以用源声与一个反映各种反射效应的函数的卷积表示。
• 电子工程与信号处理中，任一个线性系统的输出都可以通过将输入信号与系统函数（系统的冲激响应）做卷积获得。
• 物理学中，任何一个线性系统（符合叠加原理）都存在卷积。

招展

 

卷积是一种线性运算,图像处理中常见的mask运算都是卷积，广泛应用于图像滤波。Kenneth R.Castlman的《数字图像处理》对卷积讲得很详细。

高斯变换就是用高斯函数对图像进行卷积。高斯算子可以直接从离散 高斯函数得到：

for(i=0; i<N; i++)

{

    for(j=0; j<N; j++)

   {

      g[i*N+j]=exp(-((i-(N-1)/2)^2+(j-(N-1)/2)^2))/(2*delta^2));

      sum += g[i*N+j];

   }

}

再除以 sum 得到归一化算子 ,N是滤波器的大小，delta自选

首先，在提到卷积之前，必须提到卷积出现的背景。

卷积是在信号与线性系统的基础上或背景中出现的，脱离这个背景单独谈卷积是没有任何意义的，除了那个所谓褶反公式上的数学意义和积分（或求和，离散情况下）。

信号与线性系统，讨论的就是信号经过一个线性系统以后发生的变化（就是输入 输出 和所经过的所谓系统，这三者之间的数学关系）。所谓线性系统的含义，就是，这个所谓的系统，带来的输出信号与输入信号的数学关系式之间是线性的运算关系。

因此，实际上，都是要根据我们需要待处理的信号形式，来设计所谓的系统传递函数，那么这个系统传递函数和输入信号，在数学上的形式就是所谓的卷积关系。

卷积关系最重要的一种情况，就是在信号与线性系统或数字信号处理中的卷积定理。

利用该定理，可以将时间域或空间域中的卷积运算等价为频率域的相乘运算，从而利用FFT等快速算法，实现有效的计算，节省运算代价。

 C++代码

 

 

 

 

转载于:https://www.cnblogs.com/GrantYu/p/6651780.html