数学篇
一维卷积:
f
∗
g
(
n
)
=
∫
f
(
τ
)
g
(
n
−
τ
)
d
τ
f * g(n) = \int f(\tau)g(n-\tau) d\tau
f∗g(n)=∫f(τ)g(n−τ)dτ
离散卷积:
f
∗
g
(
n
)
=
∑
i
f
i
g
n
−
i
f * g(n) = \sum_{i} f_{i} g_{n-i}
f∗g(n)=∑ifign−i
卷积将函数g翻转平移后与f加权
两次掷骰子为例
若求SUM = 3 的概率为
P
1
(
1
)
P
2
(
2
)
+
P
1
(
1
)
P
2
(
2
)
P_1(1) P_2(2) +P_1(1) P_2(2)
P1(1)P2(2)+P1(1)P2(2)
即 ∑ i P 1 ( i ) P 2 ( n − i ) \sum_{i} P_1(i) P_2(n-i) ∑iP1(i)P2(n−i)
以信号分析为例
某一点处的输入信号f(t)经过g(t)不断衰减,所以某一点处的接受信号受前T时刻的输入信号的影响
这样,某一点处所受信号为
f
∗
g
(
T
)
=
∑
i
f
(
i
)
g
(
T
−
i
)
f * g(T) = \sum_{i} f(i) g(T-i)
f∗g(T)=∑if(i)g(T−i)
图像处理篇
在图像处理中,不必进行翻转平移操作,只需要加权即可
对于输入数据,卷积运算以一定间隔滑动滤波器的窗口并应用。如图所示,将各个位置上滤波器的元素和输入的对应元素相乘,然后再求和(有时将这个计算称为乘积累加运算),然后,将这个结果保存到输出的对应位置。将这个过程在所有位置都进行一遍,就可以得到卷积运算的输出。
可以选取不同的N个卷积核,卷积后有N层
卷积示意图:
常见卷积核:
平滑卷积:
[1/9 1/9 1/9
1/9 1/9 1/9
1/9 1/9 1/9]
边缘提取:图像变化平缓的地方变化小,变化明显的变化大
[-1 -1 -1
-1 9 -1
-1 -1 -1 ]