卷积本质(数学与图像)

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 fg(n)=f(τ)g(nτ)dτ
离散卷积:
f ∗ g ( n ) = ∑ i f i g n − i f * g(n) = \sum_{i} f_{i} g_{n-i} fg(n)=ifigni

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)

∑ i P 1 ( i ) P 2 ( n − i ) \sum_{i} P_1(i) P_2(n-i) iP1(i)P2(ni)

以信号分析为例

https://www.zhihu.com/question/22298352
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
在这里插入图片描述
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) fg(T)=if(i)g(Ti)

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:
在这里插入图片描述

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 ]

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值