卷积核(又称滤波器)

0. 前言

虽然卷积核或者滤波器所指的是同一个东西，但是在传统图像处理一般叫滤波器，而在深度学习中叫卷积核。

1. 卷积(滤波)

卷积实际上是一种运算方式，可以理解为和加减乘除一样的运算方式，只不过更加复杂一点而已。一言以蔽之就是：两个矩阵对应位相乘，然后所有积求和

• step1：对应位相乘

对应位相乘	求积
1*-1	-1
0*0	0
2*1	2
5*-1	-5
4*0	0
…	…

• step2：然后所有积求和
  sum=-1+0+1+5+0+…=0
  
  我们将中间33的矩阵称为卷积核或者滤波器，滤波器的属性有大小(比如33)和参数值(-1,0,1,-1,0,1,-1,0,1)，这这运算中是不变的
  贴张动图，看看滤波操作(卷积操作)

2. 对高斯滤波

对于滤波器中参数有特殊含义的，一般都有一些专属名字，比如高斯滤波。高斯滤波的参数是符合高斯概率分布的

左图是一维高斯概率分布，右图是二维高斯概率分布

这是一个标准差σ=1.3的8邻域高斯滤波器，可以看到，越中间数值越大，和二维高斯概率分布一致。关于1/16是由于要保证所有参数之和=1，保证和图像运算和结果范围不变，否则就有可能超过0~255范围。

高斯滤波的意义在于均值化，只不过每个像素权重有所不同，既然是均值化那么图像中的对比度就会被降低，造成图像模糊的感觉。