如何理解卷积
2017-11-21 19:31
204 查看
卷积的本质是积分变换。卷积运算满足交换律与分配律。其公式如下:
设离散函数 如图1所示,计算的过程,只是简单的乘法与加法的计算,最后将计算结果累加在一起,得到的就是卷积的计算结果。
虽然这样,可以知道卷积的计算过程,但是却不能帮助理解卷积实际的含义,所以下面分别从图像处理和音频处理上来体现卷积的实际含义。并对“卷积”这一名称的由来。
首先是图像处理方面,对于一个图像,可以通过卷积对其进行处理。处理的过程中,图像作为一个大矩阵,相当于 ,模板是一个小矩阵,相当于 ,对其进行卷积的计算得到的就是 。取其中与大模板相同的区域,得到的就是处理过的图像。图像处理中的平滑、模糊、锐化、边缘提取基本都属于卷积计算,只是采取的模板 不同。处理效果如下图所示。
其次是音频处理,图7为原始声音,与一个0.1s*采样频率的全为一的卷积得到图8,而与一个1s*采样频率的全一的向量卷积得到图9(图中的横坐标的实际含义是采样点的个数)。实际听到的声音,图8为原始声音增加了回声效果,图9为原始声音重复了两遍。
卷积实际上可以看作“积”和“卷”两部分。积指的是两个函数的积构成的平面。卷则是将整个平面,以 为轴卷起来,最终得到的长条就是一个卷积。对于离散函数,卷的实际作用是将每条对角线上的值累加起来,体现到连续函数中则是线的积分。
以离散卷积为例,图10中的彩色区域为 的积平面,每一个小方块对应二者的乘积。图11则是卷的过程。图12则是得到最终的卷积的结果。
设离散函数 如图1所示,计算的过程,只是简单的乘法与加法的计算,最后将计算结果累加在一起,得到的就是卷积的计算结果。
虽然这样,可以知道卷积的计算过程,但是却不能帮助理解卷积实际的含义,所以下面分别从图像处理和音频处理上来体现卷积的实际含义。并对“卷积”这一名称的由来。
首先是图像处理方面,对于一个图像,可以通过卷积对其进行处理。处理的过程中,图像作为一个大矩阵,相当于 ,模板是一个小矩阵,相当于 ,对其进行卷积的计算得到的就是 。取其中与大模板相同的区域,得到的就是处理过的图像。图像处理中的平滑、模糊、锐化、边缘提取基本都属于卷积计算,只是采取的模板 不同。处理效果如下图所示。
其次是音频处理,图7为原始声音,与一个0.1s*采样频率的全为一的卷积得到图8,而与一个1s*采样频率的全一的向量卷积得到图9(图中的横坐标的实际含义是采样点的个数)。实际听到的声音,图8为原始声音增加了回声效果,图9为原始声音重复了两遍。
卷积实际上可以看作“积”和“卷”两部分。积指的是两个函数的积构成的平面。卷则是将整个平面,以 为轴卷起来,最终得到的长条就是一个卷积。对于离散函数,卷的实际作用是将每条对角线上的值累加起来,体现到连续函数中则是线的积分。
以离散卷积为例,图10中的彩色区域为 的积平面,每一个小方块对应二者的乘积。图11则是卷的过程。图12则是得到最终的卷积的结果。
相关文章推荐
- 如何理解最简单的CNN代码(卷积层到全链接层)
- 如何理解时域卷积和滤波的关系
- 如何理解空洞卷积(dilated convolution)
- 深度学习FPGA实现基础知识14(如何理解“卷积”运算)
- 如何简单理解卷积
- 如何理解卷积神经网络中的1*1卷积
- 如何理解卷积、权值共享、池化
- 如何理解卷积神经网络中的1*1卷积
- 如何理解深度学习中的卷积?
- 【4】如何理解CNN中的卷积?
- 如何理解卷积:信号处理、图像处理中的应用
- 如何理解 卷积 和pooling
- 栈的理解以及如何计算程序所需栈的大小并在IAR中设置栈
- wireshark的使用教程--用实践的方式帮助我们理解TCP/IP中的各个协议是如何工作的
- 理解ES6 --- 第4章 如何拆解数组和对象来获取数据 desturcturing
- [转]理解NULL是如何影响IN和EXITS语句的
- 对卷积神经网络中1*1 卷积的理解
- 如何理解二维数组与指针
- 如何正确理解自动化测试技术