opencv图像处理学习-关于卷积的个人初步浅显的理解。

最近在学习opencv相关知识，看图像处理时提到一个重要的概念，卡住了，后悔自己数学放弃的太早了，书到用时方恨少。

于是重新开始学习，在网上找了很多资料，多是以数学公式及数学概念为主，并不便于我们理解卷积到底是个什么，或者说什么现象吧。

今天便把自己收集的资料整理一番并分享一些想法可以一起有人有兴趣可以一起讨论或者来指导一下我存在误解的地方。

--------------------------------------------------------------------------------------------------------------------------------------------------------------------

下面进入正题：

上图中

箭头1：表示卷积算子（卷积核或者卷积操作数）
箭头2：表示时间序列（输入序列数据，目标输入）
箭头3：表示卷积核大小及采样率
箭头4：表示卷积值（卷积矩阵值）
箭头5：表示时间序列（输出序列数据，目标输出）

卷积操作是指，将卷积算子(或者叫做卷积核)在输入序列数据上滑动，从第一个滑动至尾部，遍历取出卷积算子及其周边卷积核大小的数据，作为参考样本，经过计算得到新的结果的过程。

有说法说：从数学上讲，卷积就是一种运算。通俗易懂的说，卷积就是：输出 = 输入 * 系统

我理解：

这个系统在上图中代表的就是采样大小及采样率(或者叫做权重值)，
上图卷积核大小为3，范围就是取第一个数列中3个元素，上图中第一个数列 I 下面带 * 的就是选取的样本，第2个数列，是采样权重，都是1/3，
经过运算即每一个样本*权重得到了第3个数列[5/3,5/3,4/3],然后求和得到卷积值为14/3，成为了输出数列 J对应位置上的数据。这样将卷积算子继续滑动下一位，直到遍历完数组。
这里面简单的讲就是数列（I）经过=》系统（权重）=》数列（J）这样的一个映射关系，你可以理解为展开

当然系统代表的只是一个系统计算公式，并不一定是某种形式，系统指就是采样矩阵和一个标准算法。
讲源数据卷积核矩阵取出，于系统矩阵相成，得到的结果或结果矩阵，取其中某个值赋给新的矩阵，即输出矩阵的过程就是卷积操作，这个过程需要遍历整个输入数列。
以上是一维数组，将它扩展成二为数组，是一样的，就可以用来处理图形问题了。