通俗易懂的理解卷积

卷积)是通过两个函数f和g生成第三个函数的一种数学运算，其本质是一种特殊的积分变换，表征函数f与g经过翻转和平移的重叠部分函数值乘积对重叠长度的积分。（源于：百度百科）卷积是一种数学运算。既然卷积是一种数学运算，那么肯定有公式吧。我以信号与系统里的卷积公式来解释。连续LTI系统下的卷积公式为：离散LTI系统下的卷积公式为：看到这里依然云里雾里的，接下来我们一步步解释。LTI系统也叫线性时不变系统。

首先给大家讲一个关于卷积的小故事：小明是杭州某互联网大厂的员工，每天996十分辛苦，但小明最近爱上了打台球，经常不在工位。这天，小明的主管让小明改一个需求，小明却到楼下找产品部小丽打台球去了，被主管发现，他非常气愤，扇了小明一巴掌（注意，这就是输入信号，脉冲）。于是小明脸上会渐渐地（贱贱地）鼓起来一个包，小明的脸就是一个系统，而鼓起来的包就是小明的脸对巴掌的响应。好，这样就和信号系统建立起来意义对应的联系。

卷积的定义分为「离散卷积」和「连续卷积」，分别对应离散序列和连续函数，核心逻辑一致，仅计算方式不同（求和 vs 积分）。通常用符号「*」表示卷积运算，即 $$f * g$$ 代表函数 $$f$$ 与 $$g$$ 的卷积。说到底，卷积的本质就是「通过翻转、滑动、加权求和，描述两个函数（或序列）的相互作用」——它将复杂的“相互作用”转化为可计算的数学运算，成为连接数学理论与实际应用的桥梁。无需纠结于公式的细节，记住三个核心：① 离散卷积是“求和”，连续卷积是“积分”；② 核心过程是“翻转、滑动、加权求和”；

什么是卷积

原文地址：《对卷积的困惑》这个知乎上的回答对卷积进行了迄今为止我认为最明确的解释，现把其中一些内容摘录下来作为学习笔记，以下均为摘录内容： 文章主要想解释两个问题： 1. 卷积这个名词是怎么解释？“卷”是什么意思？“积”又是什么意思？ 2. 卷积背后的意义是什么，该如何解释？ 对卷积这个名词的理解：所谓两个函数的卷积，本质上就是先将一个函数翻转，然后进行滑动叠加。 在连续...

啰嗦开场白 读本科期间，信号与系统里面经常讲到卷积(convolution)，自动控制原理里面也会经常有提到卷积。硕士期间又学了线性系统理论与数字信号处理，里面也是各种大把大把卷积的概念。至于最近大火的深度学习，更有专门的卷积神经网络(Convolutional Neural Network, CNN)，在图像领域取得了非常好的实际效果，已经把传统的图像处理的方法快干趴下了。啰啰嗦嗦说了这么多卷积，惭愧的是，好像一直以来对卷积的物理意义并不是那么清晰。一是上学时候只是简单考试，没有仔细思考过具体前后的来龙

作者：palet 链接：https://www.zhihu.com/question/22298352/answer/637156871 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 卷积这个概念，很早以前就学过，但是一直没有搞懂。教科书上通常会给出定义，给出很多性质，也会用实例和图形进行解释，但究竟为什么要这么设计，这么计算，背后的意义是什么，往往语焉不详。作为一个学物理出身的人，一个公式倘若倘若给不出结合实际的直观的通俗的解释（也就是背后的“物理...

再深入思考一下，在算图像卷积的时候，我们是直接在原始图像矩阵中取了(u,v)处的矩阵，为什么要取这个位置的矩阵，本质上其实是为了满足以上的约束。因为我们要算(u,v)处的卷积，而g矩阵是3x3的矩阵，要满足下标跟这个3x3矩阵的和是(u,v)，只能是取原始图像中以(u,v)为中心的这个3x3矩阵，即图中的阴影区域的矩阵。的滑动，带来的是点数和的增大。以上计算的是(u,v)处的卷积，延x轴或者y轴滑动，就可以求出图像中各个位置的卷积，其输出结果是处理以后的图像（即经过平滑、边缘提取等各种处理的图像）。

感谢知乎大佬的分享：如何通俗易懂地解释卷积？ - 1335的回答 - 知乎 https://www.zhihu.com/question/22298352/answer/1071892762

1，离散卷积 2个空间A和B，把其中的元素按照位置一一对应，相乘，所有的乘积的和就是A和B的卷积 2，积分卷积 对于二维甚至多维空间的积分卷积，定义同理。 实际上，离散卷积和积分卷积的本质是一样的，可以轻松互相转化。 3，高斯卷积 如果指定g为高斯函数，那么卷积h就是f的高斯卷积。 常见的就是一维和二维的高斯函数，即一维和二维的正态分布。 离散化： 如5*5的高斯卷积 4，高斯模糊 利用高斯卷积，每个像素值都变成原图的加权平均值，得到的就是高斯模糊之后的图片。 ..

各种卷积方式的最全讲解

卷积（Convolution）是数学和信号处理中的一种运算，主要用于对信号进行滤波、特征提取和模式识别等。其基本原理是通过对一个函数（信号）与另一个函数（滤波器或核）的重叠区域进行加权平均，生成新的函数。f∗gt∫−∞∞​fτgt−τdτ其中，f和g是两个函数，t是卷积的结果函数的自变量。

卷积神经网络是一种前馈型神经网络, 受生物自然视觉认知机制启发而来的. 现在, CNN 已经成为众多科学领域的研究热点之一, 特别是在模式分类领域, 由于该网络避免了对图像的复杂前期预处理, 可以直接输入原始图像, 因而得到了更为广泛的应用. 可应用于图像分类, 目标识别, 目标检测, 语义分割等等. 本文介绍可用于图像分类的卷积神经网络的基本结构. 深度学习是一种特殊的机器学习，通过学习将世界...

在高等数学中，卷积是一个泛函数，具体来说就是通过两个函数f和g生成第三个函数的一种数学运算，其本质是一种特殊的积分变换，表征函数f与g经过翻转和平移的重叠部分函数值乘积对重叠长度的积分。......

卷积神经网络(CNN)基本原理和公式推导 卷积神经网络是一种前馈型神经网络, 受生物自然视觉认知机制启发而来的. 现在, CNN 已经成为众多科学领域的研究热点之一, 特别是在模式分类领域, 由于该网络避免了对图像的复杂前期预处理, 可以直接输入原始图像, 因而得到了更为广泛的应用. 可应用于图像分类, 目标识别, 目标检测, 语义分割等等. 本文介绍可用于图像分类的卷积神经网络的基本结构. 深度...

几种常见的卷积技巧

转载：http://blog.csdn.net/chaipp0607/article/details/72236892        https://www.zhihu.com/question/22298352     在图像处理领域，我们经常能听到滤波，卷积之类的词，其实他们都可以看做一种图像的卷积操作，相对应的卷积核，卷积模板，滤波器，滤波模板，扫描窗其实也都是同一个东西。下面我们进一步讨论...