边缘检测

以上：左边的可以理解为一张图片；中间的是过滤器；右边的是另外一张图片。这个就是垂直边缘检测器。

上图：最右边的中间亮的部分是最左边的中间边缘部分。从而看出：6*6通过过滤检测的图像检测出来的图像部分太粗了。如果是1000*1000的图像，那么效果：通过过滤得到中间的亮色是原图像有一个特别明显的垂直边缘。从边缘检测器得到的启发：

从卷积核看出：左边是明亮的部分，右边的是深色的部分，中间的并不需要考虑。卷积运算提供了一个方法那就是：发现图像中的垂直边缘。

如何区分正边和负边：

实际上：是明->暗的过渡；暗->明的过度。

由于左边的图像的翻转，通过卷积运算：实现暗->明的过程。

上述可以得知：左边的是垂直边缘滤波器左边较亮；右边是暗的。右边：水平边缘滤波器：上面为亮，下面是暗色的。

上述：30 是左边区域和核的卷积，可以看出上面亮，底部暗。所以是正的边缘。-30是负的边缘。

上述：通过反向传播，学习滤波器的参数。

Padding

在做图像卷积的时候缺点：

1、图像缩小，没每次识别边缘或者识别其他特征时候越来越小。

2、在不断卷积的过程中，意味着不断的重复中间区域，丢掉了图像的边缘部分的很多信息。

为了解决这些问题，我们对图像周边进行填充，

所以通过填充padding=1，得到一个6*6的图像。通过padding可以削弱忽视边缘信息的这个缺点。

注意：一般的f是奇数。