卷积，卷积的疑惑不解

本文目录一览

1，卷积的疑惑不解
2，如何理解卷积另外如何理解图像处理中的卷积
3，什么是卷积
4，卷积是什么意思
5，卷积是什么
6，线性代数里什么叫卷积

1，卷积的疑惑不解

在泛函分析中，卷积(卷积)、旋积或摺积(英语：Convolution)是通过两个函数f 和g 生成第三个函数的一种数学算子，表徵函数f 与经过翻转和平移与g 的重叠部分的累积。如果将参加卷积的一个函数看作区间的指示函数，卷积还可以被看作是“滑动平均”的推广。简单说卷积是分析数学中一种重要的运算不知道你说的是不是这个卷积

卷积的疑惑不解

2，如何理解卷积另外如何理解图像处理中的卷积

卷积的运算可以分为反转、平移，相乘，求和。在图像处理中，图像是一个大矩阵，卷积模板是一个小矩阵。按照上述过程，就是先把小矩阵反转，然后平移到某一位置，小矩阵的每一个小格对应大矩阵里面的一个小格，然后把对应小格里面的数相乘，把所有对应小格相乘的结果相加求和，得出的最后结果赋值给小矩阵中央小格对应的图像中小格的值，替换原来的值。就是上述说到的，反转、平移、相乘、求和。一般图像卷积就是从第一个像素（小格）开始遍历到最后一个像素（小格）。之后的平滑、模糊、锐化、边缘提取等本质上都是卷积，只是模板不同。

如何理解卷积另外如何理解图像处理中的卷积

3，什么是卷积

卷积积分　　分析数学中一种重要的运算。设f（x）， g（x）是R1上的两个可积函数，作积分：　　可以证明，关于几乎所有的x∈（－∞，∞），上述积分是存在的。这样，随着x的不同取值，这个积分就定义了一个新函数h(x)，称为f与g的卷积，记为h（x）＝（f *g）（x）。容易验证，（f *g）（x）＝（g *f）（x），并且（f *g）（x）仍为可积函数。这就是说，把卷积代替乘法，L1（R1）1空间是一个代数，甚至是巴拿赫代数。　　卷积与傅里叶变换有着密切的关系。以(x) ，(x)表示L1（R）1中f和g的傅里叶变换，那么有如下的关系成立：（f *g）∧（x）＝(x)·(x)，即两函数的傅里叶变换的乘积等于它们卷积后的傅里叶变换。这个关系，使傅里叶分析中许多问题的处理得到简化。　　由卷积得到的函数（f *g）（x），一般要比f，g都光滑。特别当g为具有紧支集的光滑函数，f 为局部可积时，它们的卷积（f *g）（x）也是光滑函数。利用这一性质，对于任意的可积函数，都可以简单地构造出一列逼近于f 的光滑函数列fs（x），这种方法称为函数的光滑化或正则化。　　卷积的概念还可以推广到数列、测度以及广义函数上去。　　卷积积分的物理意义　　在激励条件下，线性电路在t时刻的零状态响应=从激励函数开始作用的时刻（ξ=0）　　到t时刻（ ξ=t）的区间内，无穷多个强度不同的冲激响应的总和。　　可见，冲激响应在卷积中占据核心地位。

卷积是一种运算。是一种广泛应用于视频解码，音频解码，电力转换等的工程上的数学运算。是和傅里叶函数密切联系的运算。高数下可以学到。另外度娘上讲了他的定义的。

什么是卷积

4，卷积是什么意思

见网住： http://zh.wikipedia.org/wiki/%E5%8D%B7%E7%A7%AF

在泛函分析中，卷积(卷积)、旋积或摺积(英语：Convolution)是通过两个函数f 和g 生成第三个函数的一种数学算子，表徵函数f 与经过翻转和平移与g 的重叠部分的累积。如果将参加卷积的一个函数看作区间的指示函数，卷积还可以被看作是“滑动平均”的推广。　　简单介绍　　卷积是分析数学中一种重要的运算。设: f(x),g(x)是R1上的两个可积函数，作积分：　　可以证明，关于几乎所有的，上述积分是存在的。这样，随着 x 的不同取值，这个积分就定义了一个新函数h(x)，称为函数f 与g 的卷积，记为h(x)＝(f*g)(x)。容易验证，(f * g)(x) ＝ (g * f)(x)，并且(f * g)(x) 仍为可积函数。这就是说，把卷积代替乘法，L1（R1）1空间是一个代数，甚至是巴拿赫代数。　　卷积与傅里叶变换有着密切的关系。利用一点性质，即两函数的傅里叶变换的乘积等于它们卷积后的傅里叶变换，能使傅里叶分析中许多问题的处理得到简化。　　由卷积得到的函数f*g 一般要比f 和g 都光滑。特别当g 为具有紧支集的光滑函数，f 为局部可积时，它们的卷积f * g 也是光滑函数。利用这一性质，对于任意的可积函数f，都可以简单地构造出一列逼近于f 的光滑函数列fs，这种方法称为函数的光滑化或正则化。　　卷积的概念还可以推广到数列、测度以及广义函数上去。定义　　函数f 与g 的卷积记作，它是其中一个函数翻转并平移后与另一个函数的乘积的积分，是一个对平移量的函数。　　积分区间取决于f 与g 的定义域。　　对于定义在离散域的函数，卷积定义为　　 [编辑] 快速卷积算法　　当是有限长度 N ，需要约 N 次运算。藉由一些快速算法可以降到 O(N log N) 复杂度。　　最常见的快速卷积算法是藉由圆周摺积利用快速傅里叶变换。也可藉由其它不包含 FFT 的做法，如数论转换。

卷积就是将数据从时域转换到频域。用以完成数据处理的一种方法，

卷积是一种线性运算,图象处理中常见的mask运算都是卷积，广泛应用于图象滤波。castlman的书对卷积讲得很详细。高斯变换就是用高斯函数对图象进行卷积。高斯算子可以直接从离散高斯函数得到： for(i=0; i<N; i++) for(j=0; j<N; j++) g[i*N+j]=exp(-((i-(N-1)/2)^2+(j-(N-1)/2)^2))/(2*delta^2)); sum += g[i*N+j]; } } 再除以 sum 得到归一化算子 N是滤波器的大小，delta自己选

5，卷积是什么

百度百科有详细介绍，可以参阅 http://baike.baidu.com/view/3008615.htm 这儿还有一篇很有趣的生动描述卷积的博文最近总是和卷积打交道,工作需要，每天都要碰到它好几次,不胜烦恼,因为在大学时候学信号与系统的时候就没学会，我于是心想一定要把卷积完全搞明白。正好同办公室的同学也问我什么是卷积,师姐昨天也告诉我说:“我也早就想把这个问题搞明白了！”经过一段时间的思考之后，有一些很有趣的体会和大家分享。听说卷积这种运算式物理学家发明的，在实际中用得不亦乐乎，而数学家却一直没有把运算的意义彻底搞明白。仔细品以下，还是有那么点滋味的。下面先看一下剑桥大学的教科书对卷积的定义：我们都知道这个公式，但是它有什么物理意义呢，平时我们用卷积做过很多事情，信号处理时，输出函数是输入函数和系统函数的卷积，在图像处理时，两组幅分辨率不同的图卷积之后得到的互相平滑的图像可以方便处理。卷积甚至可以用在考试作弊中，为了让照片同时像两个人，只要把两人的图像卷积处理即可，这就是一种平滑的过程，可是我们怎么才能真正把公式和实际建立起一种联系呢，也就是说，我们能不能从生活中找到一种很方便且具体的例子来表达公式的物理意义呢？我想到一种，下面进入正题：比如说你的老板命令你干活，你却到楼下打台球去了，后来被老板发现，他非常气愤，扇了你一巴掌（注意，这就是输入信号，脉冲），于是你的脸上会渐渐地（贱贱地）鼓起来一个包，你的脸就是一个系统，而鼓起来的包就是你的脸对巴掌的响应，好，这样就和信号系统建立起来意义对应的联系。下面还需要一些假设来保证论证的严谨：假定你的脸是线性时不变系统，也就是说，无论什么时候老板打你一巴掌，打在你脸的同一位置（这似乎要求你的脸足够光滑，如果你说你长了很多青春痘，甚至整个脸皮处处连续处处不可导，那难度太大了，我就无话可说了哈哈），你的脸上总是会在相同的时间间隔内鼓起来一个相同高度的包来，并且假定以鼓起来的包的大小作为系统输出。好了，那么，下面可以进入核心内容——卷积了！如果你每天都到地下去打台球，那么老板每天都要扇你一巴掌，不过当老板打你一巴掌后，你5分钟就消肿了，所以时间长了，你甚至就适应这种生活了……如果有一天，老板忍无可忍，以0.5秒的间隔开始不间断的扇你的过程，这样问题就来了，第一次扇你鼓起来的包还没消肿，第二个巴掌就来了，你脸上的包就可能鼓起来两倍高，老板不断扇你，脉冲不断作用在你脸上，效果不断叠加了，这样这些效果就可以求和了，结果就是你脸上的包的高度岁时间变化的一个函数了（注意理解）；如果老板再狠一点，频率越来越高，以至于你都辨别不清时间间隔了，那么，求和就变成积分了。可以这样理解，在这个过程中的某一固定的时刻，你的脸上的包的鼓起程度和什么有关呢？和之前每次打你都有关！但是各次的贡献是不一样的，越早打的巴掌，贡献越小，所以这就是说，某一时刻的输出是之前很多次输入乘以各自的衰减系数之后的叠加而形成某一点的输出，然后再把不同时刻的输出点放在一起，形成一个函数，这就是卷积，卷积之后的函数就是你脸上的包的大小随时间变化的函数。本来你的包几分钟就可以消肿，可是如果连续打，几个小时也消不了肿了，这难道不是一种平滑过程么？反映到剑桥大学的公式上，f(a)就是第a个巴掌，g(x-a)就是第a个巴掌在x时刻的作用程度，乘起来再叠加就ok了，大家说是不是这个道理呢？我想这个例子已经非常形象了，你对卷积有了更加具体深刻的了解了吗？最近要忙开题了，不过周末了还是放松一下吧。其实我真的希望我的朋友们看到这篇文章能给我留言，发表你们的想法，有不妥之处欢迎提出来。在本文的下半部分,我会再讲一个抽象的例子,以便能让大家从卷积中能更好地了解数学与生活的联系。最后提醒各位，请勿亲身尝试……引自 http://blog.sciencenet.cn/home.php?mod=space&uid=44001&do=blog&id=274697

6，线性代数里什么叫卷积

所谓的卷积即是一种加权平均形式上卷积f*g是积分f(t-s)g(s)ds，可以看成f在权数g下的平均，或者g在权数f下的平均

科技名词定义中文名称：卷积英文名称：convolution 定义：数学中关于两个函数的一种无穷积分运算。对于函数f1(t)和f2(t)，其卷积表示为：式中：“”为卷积运算符号。所属学科：电力(一级学科) ；通论(二级学科) 本内容由全国科学技术名词审定委员会审定公布百科名片卷积运算图在泛函分析中，卷积(卷积)、旋积或摺积(英语：Convolution)是通过两个函数f 和g 生成第三个函数的一种数学算子，表徵函数f 与经过翻转和平移与g 的重叠部分的累积。如果将参加卷积的一个函数看作区间的指示函数，卷积还可以被看作是“滑动平均”的推广。目录[隐藏]基本内涵定义快速卷积算法多元函数卷积性质卷积定理在群上的卷积应用基本内涵定义快速卷积算法多元函数卷积性质卷积定理在群上的卷积应用 [编辑本段]基本内涵简单介绍卷积是分析数学中一种重要的运算。设: f(x),g(x)是R1上的两个可积函数，作积分：可以证明，关于几乎所有的，上述积分是存在的。这样，随着 x 的不同取值，这个积分就定义了一个新函数h(x)，称为函数f 与g 的卷积，记为h(x)＝(f*g)(x)。容易验证，(f * g)(x) ＝ (g * f)(x)，并且(f * g)(x) 仍为可积函数。这就是说，把卷积代替乘法，L1（R1）1空间是一个代数，甚至是巴拿赫代数。卷积与傅里叶变换有着密切的关系。利用一点性质，即两函数的傅里叶变换的乘积等于它们卷积后的傅里叶变换，能使傅里叶分析中许多问题的处理得到简化。由卷积得到的函数f*g 一般要比f 和g 都光滑。特别当g 为具有紧支集的光滑函数，f 为局部可积时，它们的卷积f * g 也是光滑函数。利用这一性质，对于任意的可积函数f，都可以简单地构造出一列逼近于f 的光滑函数列fs，这种方法称为函数的光滑化或正则化。卷积的概念还可以推广到数列、测度以及广义函数上去。[编辑本段]定义函数f 与g 的卷积记作，它是其中一个函数翻转并平移后与另一个函数的乘积的积分，是一个对平移量的函数。积分区间取决于f 与g 的定义域。对于定义在离散域的函数，卷积定义为快速卷积算法当是有限长度 N ，需要约 N 次运算。藉由一些快速算法可以降到 O(N log N) 复杂度。最常见的快速卷积算法是藉由圆周摺积利用快速傅里叶变换。也可藉由其它不包含 FFT 的做法，如数论转换。多元函数卷积按照翻转、平移、积分的定义，还可以类似的定义多元函数上的积分：[编辑本段]性质各种卷积算子都满足下列性质：交换律结合律分配律数乘结合律其中a为任意实数（或复数）。微分定理其中Df 表示f的微分，如果在离散域中则是指差分算子，包括前向差分与后向差分两种：前向差分：后向差分：[编辑本段]卷积定理卷积定理指出，函数卷积的傅里叶变换是函数傅里叶变换的乘积。即，一个域中的卷积相当于另一个域中的乘积，例如时域中的卷积就对应于频域中的乘积。其中表示f 的傅里叶变换。这一定理对拉普拉斯变换、双边拉普拉斯变换、Z变换、Mellin变换和Hartley变换（参见Mellin inversion theorem）等各种傅里叶变换的变体同样成立。在调和分析中还可以推广到在局部紧致的阿贝尔群上定义的傅里叶变换。利用卷积定理可以简化卷积的运算量。对于长度为n的序列，按照卷积的定义进行计算，需要做2n - 1组对位乘法，其计算复杂度为；而利用傅里叶变换将序列变换到频域上后，只需要一组对位乘法，利用傅里叶变换的快速算法之后，总的计算复杂度为。这一结果可以在快速乘法计算中得到应用。[编辑本段]在群上的卷积若G 是有某m测度的群（例如豪斯多夫空间上Harr测度下局部紧致的拓扑群），对于G 上m-勒贝格可积的实数或复数函数f 和g，可定义它们的卷积：对于这些群上定义的卷积同样可以给出诸如卷积定理等性质，但是这需要对这些群的表示理论以及调和分析的Peter-Weyl定理。[编辑本段]应用卷积在工程和数学上都有很多应用：统计学中，加权的滑动平均是一种卷积。概率论中，两个统计独立变量X与Y的和的概率密度函数是X与Y的概率密度函数的卷积。声学中，回声可以用源声与一个反映各种反射效应的函数的卷积表示。电子工程与信号处理中，任一个线性系统的输出都可以通过将输入信号与系统函数（系统的冲激响应）做卷积获得。物理学中，任何一个线性系统（符合叠加原理）都存在卷积。卷积是一种线性运算,图像处理中常见的mask运算都是卷积，广泛应用于图像滤波。castlman的书对卷积讲得很详细。高斯变换就是用高斯函数对图像进行卷积。高斯算子可以直接从离散高斯函数得到： for(i=0; i<N; i++) { for(j=0; j<N; j++) { g[i*N+j]=exp(-((i-(N-1)/2)^2+(j-(N-1)/2)^2))/(2*delta^2)); sum += g[i*N+j]; } } 再除以 sum 得到归一化算子 N是滤波器的大小，delta自选首先，再提到卷积之前，必须提到卷积出现的背景。卷积是在信号与线性系统的基础上或背景中出现的，脱离这个背景单独谈卷积是没有任何意义的，除了那个所谓褶反公式上的数学意义和积分（或求和，离散情况下）。信号与线性系统，讨论的就是信号经过一个线性系统以后发生的变化（就是输入输出和所经过的所谓系统，这三者之间的数学关系）。所谓线性系统的含义，就是，这个所谓的系统，带来的输出信号与输入信号的数学关系式之间是线性的运算关系。因此，实际上，都是要根据我们需要待处理的信号形式，来设计所谓的系统传递函数，那么这个系统的传递函数和输入信号，在数学上的形式就是所谓的卷积关系。卷积关系最重要的一种情况，就是在信号与线性系统或数字信号处理中的卷积定理。利用该定理，可以将时间域或空间域中的卷积运算等价为频率域的相乘运算，从而利用FFT等快速算法，实现有效的计算，节省运算代价。