1. 卷积运算的本质与数学表达
卷积运算(Convolution)是CNN中最基础的数学操作,也是理解后续卷积神经网络各组件的前提。从数学角度看,离散二维卷积的公式为:
$$(f * g)(i, j) = \sum_{m}\sum_{n} f(m,n) \cdot g(i-m, j-n)$$
这个看似简单的公式蕴含着三个关键特性:
- 局部连接性:每个输出值只与输入图像的局部区域相关
- 参数共享:相同的卷积核在整个图像上滑动使用
- 平移等变性:物体在输入中的位置变化会导致输出中的相同变化
在实际图像处理中,f代表输入图像矩阵,g则是我们常说的卷积核(kernel)或滤波器(filter)。以一个3x3的锐化滤波器为例:
code复制[[ 0, -1, 0],
[-1, 5, -1],
[ 0, -1, 0]]
当这个核在图像上滑动时,会突出中心像素与周围像素的差异,达到锐化效果。这种局部特征提取的能力,正是CNN能够自动学习图像特征的基础。
注意:数学中的卷积定义与深度学习框架中的实现存在差异。实际代码中常用的是互相关(cross-correlation)运算,两者区别仅在于卷积核是否翻转。这种简化不影响模型能力,却减少了计算量。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 卷积的物理意义与图像处理实例
理解卷积最直观的方式是观察它对图像产生的实际效果。我们通过几个经典案例来说明:
2.1 边缘检测示例
Sobel算子是最著名的边缘检测卷积核之一,其x方向和y方向的核分别为:
python复制sobel_x = np.array([[-1, 0, 1],
[-2, 0, 2],
[-1, 0, 1]])
sobel_y = np.array([[-1,-2,-1],
[ 0, 0, 0],
[ 1, 2, 1]])
当这些核与图像卷积时:
- sobel_x会强化垂直方向的灰度变化(检测水平边缘)
- sobel_y会强化水平方向的灰度变化(检测垂直边缘)
- 将两个结果合并就能得到完整的边缘图
2.2 模糊与降噪
高斯模糊是另一种典型应用,其核的构造基于二维高斯函数:
$$G(x,y) = \frac{1}{2\pi\sigma^2}e^{-\frac{x^2+y^2}{2\sigma^2}}$$
一个σ=1的5x5高斯核示例:
code复制[[0.003, 0.013, 0.022, 0.013, 0.003],
[0.013, 0.059, 0.097, 0.059, 0.013],
[0.022, 0.097, 0.159, 0.097, 0.022],
[0.013, 0.059, 0.097, 0.059, 0.013]
