开坑第一篇，我就写一写卷积。
在CNN中最基础的部分就是卷积（当然池化，还有那一堆英文描述的过程也很重要）。然而，老夫刚入坑CNN之时并不太理解卷积层的作用（其实现在也不太理解）。当时只是为了找实习死记硬背了卷积层的特点和优势。经过一段时间的学习我终于明白图像中的卷积是什么意思。在此我结合python代码，说说卷积是怎么回事。
写完上一段我突然发现第一篇的坑就挖大了啊！！！
首先聊一聊一维的卷积。https://www.zhihu.com/question/22298352当然我还是感觉别人讲的透彻易懂。so直接复制他人的成果。在此我要强调一点，文中第一个回答所述的加权叠加，叠加的是信号x[n]自己。换句话说，信号经过卷积后的值与信号在此地左右一定范围的值的加权和。这里用左右并不恰当，但是可以帮助理解图像卷积的过程。 懒病发作，我发现还是教材上说的好，我直接粘贴复制吧。冈萨雷斯，数字图像处理第三版（译本）88-92。
在图像的卷积中，卷积后的值就是该像素周边像素的加权和。比如说图中3*3的卷积核，卷积后的值就是此点本身和周围8个点的加权和。所以如果卷积核由9个1组成，卷积后的图像就是原图像经过模糊后的图像。这也就是对CNN的描述中，将卷积理解成滤波器的原因。
至于代码，我先放个opencv-python的代码，希望下一篇我能贴出纯的python或者c代码，将卷积的计算量做一个描述。
import cv2 import numpy as np kernel = np.ones((5,5),np.float32)/25 st = cv2.filter2D(img,-1,kernel)