通俗理解“卷积”

最近本人正在研究深度学习相关内容，面对处处出现的卷积运算有很多地方都不太理解，比如为什么要使用卷积运算？为什么卷积是这样算？趋于巨大的求知欲，我在网上寻找各路大神的讲解，终于得到了自己的理解，下面就简单谈谈我自己的想法。

首先，卷积的运算定义是很有现实意义的，我们对于生活中事情重要性的描述，往往可以从两个方面来衡量：一来是对事件本身的直接效果，比如考试考了100分会非常开心，考了59分会非常难过；二来是事件发生后的影响能力，往往与时间挂钩，比如今天考了100分会被奖励，但到了明天可能只会被夸一夸。当然，不同场景下采用的函数模型含义是不同的，但相同的是我们都会用卷积来计算一个事件的最终结果受事件发展过程的影响。

首先是离散形式：这里f（τ）就表示一个事件函数，g（τ）就表示一个事件发生后带来的影响，我们将这两者相乘作为某一刻的影响力，然后对于离散情况下对其求和（这个求和的意义就是对一段时间内的每一刻的影响进行求和，因为事件发生后的影响并不是一瞬间的，而是有一个延续的影响效果，这就导致了下一刻的影响情况是根据当前影响以及过去一段时间的总影响来共同决定的。因此我们需要做求和处理）

同理，连续的表达式如下：本质就是将求和换成了积分

就用上面的成绩来举个例子，假设你是一个高三学生，现在已经进入紧张的高考模拟阶段。你每出一门成绩，心情就会为之而受影响，假设一模考了500分，心情量化为+50分（良好）；二模考了450分，心情量化为-60分（退步了，难过）；三模考了550分，心情量化为+80分（进步了，小开心）…这样一来，你的心情状态就是受考试影响的一个函数；此外，你的心情还会受另一个因素影响，就是时间。可能二模成绩刚刚出来的时候，你认为考的不好，感到很难过，但随着你后面考试越来越多（我们当年考了16模。。。），你对二模的印象也越来越模糊，可能到第八模的时候你已经忘了自己当时考多少分了，所以这个时候我们说二模对你心情影响就很小了；反之，刚刚出来的考试成绩对你的影响肯定是最大的。

基于此，如果我们想要分析你在某一阶段的心情状态（前提是你得是一个积极上进的好孩子！），我们就可以用卷积运算来衡量。比如想分析你在八模出成绩后的心情状态，就令n=8，通过公式${\sum }_{\tau =1}^{n}f（\tau ）g（8-\tau ）$来计算从第一次模考到第八次模考出成绩后，这些考试对你心情总的影响效果。这个例子为了便于理解采用了离散的数学模型，当然如果你想要得到更加精确的结果，也可以采用连续形模型。只不过将f（τ）和g（τ）换成连续函数做积分就好了。

以上就是个人对于卷积的理解，下面我就一个专业问题谈谈自己的想法（与本文内容无关）。

学过《数字图像处理》的朋友可能知道，我们在用模板进行卷积运算的时候，需要先将模板进行180°翻转，但你们有没有想过为什么需要翻转？其实就是因为卷积函数的表达式。这里面的g函数内的参数实际上是（n-τ），初中数学告诉我们，这相当于是将g（τ）关于y轴做对称，然后向右平移n，这个n就是我们所要积分或者是求和的范围（用上面“出成绩”的例子来说，n以年为单位，等于1就是统计大学一年内对你的影响，等于2就是统计大学两年内对你的影响。更详细的介绍参见下文链接）。
下面是用log（x）和log（10-x）做的演示实例：


于是，在数字图像处理中，由于卷积模板是二维的，所以运算翻转就需要将x方向和y方向均做翻转，效果就等同于做了180翻转（中心对称翻转），即这样运算才是满足了卷积运算定义的。

此外对于卷积更深层含义的讲解，比如什么是“卷”、什么是“积”，以及为什么要设置（n-τ）、为什么卷积要定义成这样，有兴趣的朋友可以看看下面这个链接，由于其作者已经讲解的十分通俗易懂，本人就不在赘述了。
如何通俗易懂地解释卷积？