---

---

前言

卷积一般我们又称为滤波。在传统学习和卷积神经网络的学习中，卷积和卷积核是绕不开的核心概念，它们就像图像特征提取的"挖掘机"，决定了模型能从数据中挖掘出哪些关键信息。

---

一、卷积和卷积核

在聊复杂的神经网络之前，咱们先明确两个核心定义卷积和卷积核的定义。

1.1 卷积：特征提取的"计算法则"

卷积（Convolution）本质是一种数学运算，它的作用是让输入数据与一个固定的权重矩阵进行滑动计算，从而提取局部特征。你可以把它想象成用一个"探测器"在图像上慢慢滑动，每到一个位置就做一次计算，记录下这个位置的特征信息。

比如处理一张手写数字图片时，卷积运算能帮我们找到图片中的边缘、线条等基础特征，再通过多层叠加逐步提取更复杂的形状特征。

1.2 卷积核：特征提取的"探测器"

刚才说的"探测器"，就是卷积核（Kernel/Filter），它是一个小型的可学习权重矩阵。CNN的核心优势就在于这些卷积核可以通过训练不断调整权重，从而学会识别不同的特征。

举个直观的例子：如果我们想检测图像中的水平边缘，就可以设计一个特定权重的3×3卷积核；训练完成后，这个卷积核在图像的水平边缘区域计算时会输出较大的值，相当于"发现了目标特征"。比如下图的Sobel边缘检测的水平梯度卷积核：

1.3 关键配角：输入/输出特征图

卷积运算需要"原材料"和"成品"，这就对应着输入特征图和输出特征图：

• 输入特征图（Input Feature Map）：卷积运算的处理对象，可以是原始图像（比如RGB图像是3通道特征图），也可以是上一层卷积的输出结果。通常用维度表示为 (H_in, W_in, C_in)，其中H是高度、W是宽度、C是通道数。

• 输出特征图（Output Feature Map）：卷积运算的结果，每个输出通道都对应一个卷积核提取的一类特征。维度表示为 (H_out, W_out, C_out)，其中C_out（输出通道数）严格等于卷积核的数量。

二、核心关系：卷积核如何影响输出特征图

很多新手困惑的是：输入特征图、卷积核和输出特征图之间的关系。其实关键就在于三个维度的关系——尺寸、通道、数值。

2.1 尺寸关系

输出特征图的宽和高，不是随便定的，而是由输入尺寸、卷积核大小、步幅（Stride）和填充（Padding）这四个参数共同决定的。先明确两个关键参数：

• 步幅（S）：卷积核在输入特征图上每次滑动的像素数，默认是1。步幅越大，输出特征图越小。

• 填充（P）：在输入特征图边缘补充的像素层数（通常补0），目的是避免边缘特征丢失或控制输出尺寸，默认是0（不填充）。
  

对于方形输入和方形卷积核，输出尺寸的计算公式非常固定，如下：

H_out = (H_in - K + 2P) / S + 1
W_out = (W_in - K + 2P) / S + 1

注意：公式计算结果必须是整数，要是出现小数，框架会通过舍弃小数或调整填充来处理。咱们用一个实际例子验证一下：

输入尺寸（H_in,W_in）	卷积核大小（K）	步幅（S）	填充（P）	输出尺寸（H_out,W_out）	输出通道数（C_out）
(28,28)	3×3	1	0	(28-3+0)/1+1=26	16（16个卷积核）
(28,28)	3×3	1	1（SAME填充）	(28-3+2)/1+1=28	32（32个卷积核）
(28,28)	5×5	2	0	(28-5+0)/2+1=12	8（8个卷积核）

2.2 通道关系

这是一个核心规律：输出特征图的通道数，完全等于卷积核的数量。因为每个卷积核都专门负责提取一种特征，一个卷积核对应输出一个通道的特征图。

举个例子：用3个不同的3×3卷积核处理一张RGB图像（输入通道数C_in=3），每个卷积核都会和输入的3个通道分别计算，然后把结果累加得到一个单通道特征图。3个卷积核就会输出3个通道的特征图，最终输出特征图维度就是 (H_out, W_out, 3)。

单个卷积核的通道数必须和输入特征图的通道数一致，比如输入是3通道，卷积核也得是3通道（维度为K×K×3），这样才能逐通道匹配计算。

2.3 数值关系

输出特征图的每个像素值，都是卷积核与输入局部区域"内积运算"的结果，这是卷积的底层逻辑。咱们用单通道输入举个具体例子，步骤拆解得明明白白：

假设输入特征图是5×5单通道，卷积核是3×3单通道，步幅S=1，填充P=0：

1. 滑动窗口：卷积核在输入特征图上以步幅1滑动，每次覆盖一个3×3的局部区域（这个区域叫"感受野"）。

2. 逐元素相乘：把卷积核的每个权重和局部区域的对应像素相乘，比如卷积核(0,0)位置的权重乘以输入(0,0)位置的像素。

3. 求和加偏置：把所有相乘的结果加起来，再加上一个可学习的偏置项，就得到输出特征图的一个像素值。

4. 重复滑动：直到卷积核扫完整个输入特征图，生成完整的输出特征图。
   计算过程如图所示
   

我们再举个简单的例子验证一下上面的结论：

输入局部区域（3×3）：  卷积核（3×3）：        计算过程：
1  2  3                1  0  -1              (1×1)+(2×0)+(3×-1) 
4  5  6                0  1   0     →         +(4×0)+(5×1)+(6×0) 
7  8  9               -1  0   1              +(7×-1)+(8×0)+(9×1) + 偏置
                                          = (1-3) + (5) + (-7+9) + b = 5 + b

这个输出值5+b就代表了"输入这个局部区域是否匹配该卷积核的特征"。比如上面这个卷积核是边缘检测核，要是输入区域有边缘，输出值就会更大。

三、实例演示：用MNIST理解卷积过程

我们用经典的MNIST手写数字数据集举个完整例子，看看卷积和卷积核是怎么工作的：

1. 输入：MNIST手写数字图像，维度(28,28,1)（28×28像素，单通道灰度图）。

2. 卷积核设置：用16个3×3卷积核（维度3×3×1），步幅1，填充1（SAME填充）。

3. 输出计算：根据尺寸公式，输出尺寸=(28-3+2×1)/1+1=28，通道数=16，所以输出特征图维度是(28,28,16)。

4. 特征提取效果：这16个卷积核会分别提取不同的基础特征，比如有的提取水平边缘，有的提取垂直边缘，有的提取拐角，这些基础特征会传递到下一层继续加工。

代码如下：

# 导入所需库
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras.datasets import mnist
from tensorflow.keras.layers import Conv2D

if tf.__version__.startswith('1.'):
    tf.enable_eager_execution()  
print(f"使用TensorFlow版本：{tf.__version__}")

# 设置中文显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# -------------------------- 1. 加载并预处理MNIST数据 --------------------------
# 加载MNIST数据集（训练集和测试集）
(x_train, y_train), (x_test, y_test) = mnist.load_data()

# 选择一张测试图像作为演示
sample_img = x_test[0]  # 形状：(28, 28) 单通道灰度图
print(f"原始MNIST图像形状：{sample_img.shape}")

# 预处理：1. 归一化（像素值0-255转为0-1） 2. 增加通道维度（转为(28,28,1)） 3. 增加批次维度（模型输入要求(batch, h, w, c)）
sample_img = sample_img / 255.0  # 归一化
sample_img = np.expand_dims(sample_img, axis=-1)  # 加通道维度：(28,28) → (28,28,1)
sample_input = np.expand_dims(sample_img, axis=0)  # 加批次维度：(28,28,1) → (1,28,28,1)
print(f"卷积层输入形状：{sample_input.shape}")

# -------------------------- 2. 搭建卷积层 --------------------------
# 构建单个卷积层，参数完全匹配需求：16个3×3卷积核、步幅1、SAME填充
conv_layer = Conv2D(
    filters=16,  # 16个卷积核（输出通道数为16）
    kernel_size=(3, 3),  # 3×3卷积核
    strides=(1, 1),  # 步幅1
    padding='same',  # SAME填充（保证输出尺寸与输入一致）
    kernel_initializer='he_normal',  # 权重初始化
    bias_initializer='zeros',
    activation='relu',  # 激活函数（可注释，直接看原始卷积输出）
    input_shape=(28, 28, 1)  # 输入形状（单通道28×28）
)

# 初始化卷积层（通过一次前向传播完成权重初始化）
conv_output = conv_layer(sample_input)
print(f"卷积层输出特征图形状：{conv_output.shape}")  # 输出应为(1,28,28,16)

# -------------------------- 3. 可视化结果：原始图像 + 卷积特征图 --------------------------
# 提取卷积后的特征图（去除批次维度）
feature_maps = conv_output.numpy()[0]  # 形状：(28,28,16)
print(f"提取的特征图形状：{feature_maps.shape}")

# 绘制原始图像
plt.figure(figsize=(16, 8))
plt.subplot(4, 5, 1)  # 4行5列，第一个位置放原始图像
plt.imshow(sample_img[:, :, 0], cmap='gray')
plt.title('原始MNIST手写数字', fontsize=12)
plt.axis('off')

# 绘制16个卷积核提取的特征图
for i in range(16):
    plt.subplot(4, 5, i + 2)  # 从第二个位置开始放特征图
    plt.imshow(feature_maps[:, :, i], cmap='gray')
    plt.title(f'卷积核{i+1}提取的特征', fontsize=10)
    plt.axis('off')

# 调整布局并保存图片
plt.tight_layout()
plt.savefig('mnist_convolution_demo.png', dpi=300, bbox_inches='tight')
plt.show()

# 打印卷积层关键信息
print("\n卷积层核心参数验证：")
print(f"卷积核数量（输出通道数）：{conv_layer.filters}")
print(f"卷积核尺寸：{conv_layer.kernel_size}")
print(f"步幅：{conv_layer.strides}")
print(f"填充方式：{conv_layer.padding}")
print(f"卷积核权重形状：{conv_layer.kernel.shape}")  # (3,3,1,16) → (核高,核宽,输入通道数,输出通道数)

四、总结

关系类型	核心结论
尺寸关系	输出尺寸=(输入尺寸-核大小+2×填充)/步幅 +1
通道关系	输出通道数=卷积核数量，单核通道数=输入通道数
数值关系	输出像素=卷积核与局部区域内积 + 偏置

卷积和卷积核的核心逻辑其实很简单：用可学习的卷积核通过滑动计算提取特征，不同核提取不同特征，多层叠加就能从简单到复杂地挖掘数据信息。

（总目录跳转链接）