圖像處理為何要有卷積運(yùn)算？由于圖像中含有大量的冗余信息，視覺(jué)和圖像的識(shí)別是由許多特定的邊緣信息來(lái)完成的。人眼看到的圖像是由無(wú)數(shù)小塊織成的。受此啟發(fā)，人們發(fā)現(xiàn)卷積可以更好地提取圖像的邊緣信息，去除那些冗

圖像處理為何要有卷積運(yùn)算？

由于圖像中含有大量的冗余信息，視覺(jué)和圖像的識(shí)別是由許多特定的邊緣信息來(lái)完成的。人眼看到的圖像是由無(wú)數(shù)小塊織成的。受此啟發(fā)，人們發(fā)現(xiàn)卷積可以更好地提取圖像的邊緣信息，去除那些冗余的東西，并通過(guò)特定的卷積來(lái)提取特定的邊緣，就像人眼一樣，圖像信息是通過(guò)局部感知來(lái)提取的。卷積運(yùn)算應(yīng)用于圖像處理，有其生物學(xué)的理論基礎(chǔ)，可以說(shuō)是仿生學(xué)較為成功的應(yīng)用。

如何理解卷積，另外如何理解圖像處理中的卷積？

卷積運(yùn)算可分為求逆、平移、乘法和求和。在圖像處理中，圖像是一個(gè)大矩陣，卷積模板是一個(gè)小矩陣。根據(jù)上述過(guò)程，首先將小矩陣求逆，然后將其移動(dòng)到某個(gè)位置。小矩陣的每個(gè)小格對(duì)應(yīng)于大矩陣中的一個(gè)小格。然后將對(duì)應(yīng)小格中的數(shù)相乘，將所有對(duì)應(yīng)小格的乘法結(jié)果相加。最后將結(jié)果賦給小矩陣中心小格對(duì)應(yīng)的圖像中小格的值，代替原始值。這就是我們要說(shuō)的，倒置，平移，乘法，求和。一般的圖像卷積是從第一個(gè)像素（小格子）遍歷到最后一個(gè)像素（小格子）。經(jīng)過(guò)平滑、模糊、銳化后的邊緣提取本質(zhì)上都是卷積的，但模板是不同的。

能不能用最通俗語(yǔ)言講解“卷積”？圖像處理中3*3，5*5模板卷積怎么算的？

最流行的解釋：卷積是加權(quán)平均數(shù)，它是一個(gè)點(diǎn)及其周?chē)c(diǎn)的加權(quán)平均數(shù)。

或者可以認(rèn)為卷積是一種濾波器。當(dāng)然，取決于卷積核心，它可以是高通濾波器或低通濾波器。

如果在圖像處理中使用卷積：低通濾波器是圖像去噪，高通濾波器是銳化。

如果在圖像識(shí)別中使用卷積：卷積是提取特征，可以是低頻特征、高頻特征或梯度特征（實(shí)際上是高頻特征）。