谈谈卷积

一、图像处理中的卷积

图像处理中经常用到卷积这个概念。大多数是用模板矩阵（卷积核）对原图像进行扫描滤波：将图像矩阵与模板矩阵对应点的元素相乘再相加，最后的计算结果替代原图像中心位置元素值的运算。

图中，外面的方框代表原图 I，中间黄色的方块代表卷积核 G。当卷积核的中心扫描到坐标 (x,y) 时，需要对原图矩阵上被其覆盖的所有元素求加权和，从而得到滤波后的图像H在点 (x,y) 处的元素值。

比如下面矩阵 IMG表示待处理的图像，而矩阵f表示卷积核，也就是模板矩阵。那么矩阵L 就是卷积运算后的图像矩阵。

MATLAB为上述计算提供了专门的函数：

L=imfilter(IMG,f)

在图像处理领域，卷积的一大应用就是计算图像的梯度。

计算灰度图像 H 内部任意一点 (x,y) 的梯度，普遍使用公式：

                                                                                                                           

易知，Gx，Gy 对应的卷积核分别为 和。

以上就是最基本的图像卷积变换，理解到这个层次就基本可以在图像处理中应用它了。但卷积的物理意义是什么？

二、卷积的物理意义

[1]卷积最初来源于信号系统理论，假设一个系统，t 时刻输入为x(t)，输出为 y(t)，系统的响应函数为 h(t)。那么按理说，输入输出之间应有如下关系：

y(t) = x(t)h(t)

然而，实际的情况是，系统的输出不仅与系统在t时刻的响应有关，还与它在 t 时刻之前的响应有关。不过系统有个衰减过程，所以