先引入一个很生动的介绍
不要试图直接从公式上去思考“翻转”的意义,回到问题的起源,你就会豁然开朗了。
打个比方,往平静的水面里面扔石头。我们把水面的反应看作是一种冲击响应。水面在时刻石头丢进去的时候会激起高度为
的波纹,但水面不会立马归于平静,随着时间的流逝,波纹幅度会越来越小,在
时刻,幅度衰减为
, 在
时刻,幅度衰减为
……直到一段时间后,水面重复归于平静。
从时间轴上来看,我们只在时刻丢了一块石头,其它时刻并没有做任何事,但在
时刻,水面是不平静的,这是因为过去(
时刻)的作用一直持续到了现在。
那么,问题来了:
如果我们在t=1时刻也丢入一块石子呢?此时t=0时刻的影响还没有消失(水面还没有恢复平静)新的石子又丢进来了,那么现在激起的波浪有多高呢?答案是当前激起的波浪与t=0时刻残余的影响的叠加。那么t=0时刻对t=1时刻的残余影响有多大呢?
为了便于说明,接下来我们作一下两个假设:
- 水面对于“单位石块”的响应是固定的
- 丢一个两倍于的“单位石块”的石块激起的波纹高度是丢一个石块的两倍(即系统满足线性叠加原理)
现在我们来计算每一时刻的波浪有多高:
时刻:
时刻:当前石块引起的影响
时刻石块
引起的残余影响
- t=2时刻:当前石块引起的影响
时刻石块
引起的残余影响
时刻石块x(1)引起的残余影响x(1)*h(1)
……
- t=N时刻:当前石块引起的影响
时刻石块
引起的残余影响
t=1时刻石块x(1)引起的残余影响
这就是离散卷积的公式了。
理解了上面的问题,下面我们来看看“翻转”是怎么回事:
当我们每次要丢石子时,站在当前的时间点,系统的对我们的回应都是,时间轴之后的
都是对未来的影响。而整体的回应要加上过去对于现在的残余影响。
现在我们来观察这个时刻。
站在时刻看他对于未来
时刻(从现在往后4秒)的影响,可见是
站在时刻看他对于未来
时刻的影响(从现在往后3秒),可见是
站在时刻看他对于未来
时刻的影响(从现在往后2秒),可见是
站在时刻看他对于未来
时刻的影响(从现在往后1秒),可见是
所以所谓的翻转只是因为你站立的现在是过去的未来,而因为始终不变,故
其实是前一秒的
,而前一秒的
就是现在,所以从当前
的角度往左看,你看到的是过去的作用。
未翻转前,当从
往右看,你看到的是现在对于未来的影响,当翻转
之后,从
往左看,你依次看到的越来越远的过去对现在的影响,而这个影响,与从
向左看的作用影响相对应(都是越来越远的过去),作用与作用的响应就对应起来了,这一切的本质,是因为你站立的时间观察点和方向在变。
一.知乎回答
取自 知乎@马同学,在此表示感激,侵删。
从数学上讲,卷积就是一种运算。
某种运算,能被定义出来,至少有以下特征:
- 首先是抽象的、符号化的
- 其次,在生活、科研中,有着广泛的作用
比如加法:
- a+ba+b,是抽象的,本身只是一个数学符号
- 在现实中,有非常多的意义,比如增加、合成、旋转等等
卷积,是我们学习高等数学之后,新接触的一种运算,因为涉及到积分、级数,所以看起来觉得很复杂。
1 .卷积的定义
我们称 为
的卷积
其连续的定义为:
其离散的定义为:
这两个式子有一个共同的特征:
这个特征有什么意义?
我们令 x=τ,y=n−τx=τ,y=n−τ ,那么 x+y=nx+y=n 就是下面这些直线:
只看数学符号,卷积是抽象的,不好理解的,但是,我们可以通过现实中的意义,来习惯卷积这种运算,正如我们小学的时候,学习加减乘除需要各种苹果、糖果来帮助我们习惯一样。
我们来看看现实中,这样的定义有什么意义。
2. 离散卷积的例子:丢骰子
我有两枚骰子:
把这两枚骰子都抛出去:
求:两枚骰子点数加起来为4的概率为多少?
这里问题的关键是,两个骰子加起来要等于4,这正是卷积的应用场景。
我们把骰子各个点数出现的概率表示出来:
那么,两枚骰子点数加起来为4的情况有:
因此,两枚骰子点数加起来为4的概率为:
符合卷积的定义,把它写成标准的形式就是:
3. 连续卷积的例子:做馒头
楼下早点铺子生意太好了,供不应求,就买了一台机器,不断的生产馒头。
假设馒头的生产速度是 ,那么一天后生产出来的馒头总量为:
。
馒头生产出来之后,就会慢慢腐败,假设腐败函数为 ,比如,10个馒头,24小时会腐败:
想想就知道,第一个小时生产出来的馒头,一天后会经历24小时的腐败,第二个小时生产出来的馒头,一天后会经历23小时的腐败。
如此,我们可以知道,一天后,馒头总共腐败了:,这就是连续的卷积。
4. 图像处理
4.1 原理
有这么一副图像,可以看到,图像上有很多噪点:
高频信号,就好像平地耸立的山峰:
看起来很显眼。
平滑这座山峰的办法之一就是,把山峰刨掉一些土,填到山峰周围去,用数学的话来说,就是把山峰周围的高度平均一下。
平滑后得到:
4.2 计算
可以看作加权求和。
卷积可以帮助实现这一平滑算法。
有噪点的原图,可以把它转为一个矩阵:
然后用下面这个平均矩阵(说明下,原图的处理实际上用的是正态分布矩阵,这里为了简单,就用了算术平均矩阵)来平滑图像。
记得刚才说过的算法,把高频信号与周围的数值平均一下就可以平滑山峰。
比如我要平滑 点,就在矩阵中,取出
点附近的点组成矩阵
, 和
进行卷积计算后,再填回去:
要注意一点,为了运用卷积,
虽然和
同纬度,但下标有点不一样:
我用一个动图来说明计算过程:
写成卷积公式就是:
要求,一样可以套用上面的卷积公式。
这相当于实现了 这个矩阵在原来图像上的滑动(准确来说这幅图把
矩阵旋转了 180° ):
注:本文整理网上资料,包括知乎、博客等,如有侵权立刻删除。