理解卷积
在数字图像处理中，有一种基本处理方法：线性滤波。
待处理的平面数字图像可被看做一个大矩阵，图像的每个像素对应矩阵的每个元素，假设我们图片的分辨率是1024*768，那么对应的大矩阵的行数=1024，列数=768
滤波模板（又称卷积核），是滤波器的核心，通常是一个方阵（行数=列数）
进行滤波就是对于大矩阵的每个元素，计算它周围像素和滤波模板对应位置元素的乘积，然后把结果相加到一起，最终得到的值作为该像素的新值，这样就完成了一次滤波。其过程中的对应位置元素相乘再求和的操作称为协相关（Correlation）
而卷积（Convolution）是，先翻转卷积核，再对图像大矩阵和滤波小矩阵的对应位置元素相乘再求和的操作
卷积=翻转卷积核 + 一次协相关操作
翻转卷积核：绕卷积核中心旋转180度
或
A‘=E1，3*A*E1,3
