【概念】卷积

为了求【某输入x】在【t时刻】的作用【总效果】，前人们给这个运算取了个名儿：“卷积”

https://blog.csdn.net/qq_39521554/article/details/79083864

【搬运】某一时刻的输出是之前很多次输入乘以各自的衰减系数之后的叠加而形成某一点的输出，然后再把不同时刻的输出点放在一起，形成一个函数，这就是卷积，卷积之后的函数就是能看到最后的输出随时间变化的函数。

https://blog.csdn.net/bitcarmanlee/article/details/54729807

【搬运】
1.知乎上排名最高的解释
卷积的重要的物理意义是：一个函数（如：单位响应）在另一个函数（如：输入信号）上的加权叠加。
重复一遍，这就是卷积的意义：加权叠加。
在输入信号的每个位置，叠加一个单位响应，就得到了输出信号。
这正是单位响应是如此重要的原因。
2.卷积的另外解释
计算系统输出时就必须考虑现在时刻的信号输入的响应以及之前若干时刻信号输入的响应之“残留”影响的一个叠加效果。
引入这个函数就能够表述y(0)【n】在1时刻【t】究竟削弱了多少，然后削弱后的值才是y(0)在1时刻的真实值，再通过累加和运算，才得到真实的系统响应。
XR理解：【系统某刻t的相应y】= 多时刻n影响下求和（【 某刻n的输入x】 乘以 【根据距输入后影响的时间（被衰减等影响至输出时的某刻t-输入时刻n）对结果的影响效果即让权值变化的系统h（就是这个h函数能得到：输入x在m时刻的作用程度）】）
表述为x(n)×h(t−n)
XR理解：t时刻的效果输出 = {某输入x 在t时刻的作用效果}之和 = 【输入x】卷积【会随着时间变化对x产生影响的某系统h】

4.卷积的应用
卷积是一种积分运算，用来求两个曲线重叠区域面积。可以看作加权求和，可以用来消除噪声、特征增强。
把一个点的像素值用它周围的点的像素值的加权平均代替。
4 图像处理
4.1 原理
https://blog.csdn.net/charlene_bo/article/details/70877999
低频是轮廓，高频是噪声和细节。噪点属于高频信号。
【搬运：
低频就是颜色缓慢地变化,也就是灰度缓慢地变化,就代表着那是连续渐变的一块区域,这部分就是低频. 对于一幅图像来说，除去高频的就是低频了，也就是边缘以内的内容为低频，而边缘内的内容就是图像的大部分信息，即图像的大致概貌和轮廓，是图像的近似信息。
高频就是频率变化快。之所以是噪点,就是因为它与正常的点颜色不一样了，也就是说该像素点灰度值明显不一样了,也就是灰度有快速地变化了,所以是高频部分，因此有噪声在高频这么一说。】
平滑这座山峰（高频的噪点）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。通过图片的矩阵与正态分布矩阵卷积，进行平滑。
XR理解：a(f里),b(g里)下标相加都是(1,1)：将正态分布的钟形填充的【g】与图片二维矩阵【f】卷积，这里t是a的中间坐标（1,1）
XR理解：看二维的输入信息【处理器h】(或是二维的【g矩阵】)怎么移动就看（t-n）里面的n当等于t时（t-n）等于0，然后t增大时那个反转（n前面的负号）了的【h处理器信息: h(t-n)】（感觉像是沿着对角线卷了起来，从右下到左上反转了）就向时间轴的右边移动（渐渐靠近要输出的时间t）再相乘（给输入x加权）求和

https://liam.page/2017/07/27/convolutions-and-convolution-neural-network/