从信号采集到一维卷积：

卷积这个概念其实非常简单，先从一维卷积谈起，在信号采集的过程中会有噪音干扰，信号是会随着时间进行波动的

比如说一条曲线(拿画图板画的)：

 要采集T点的数据的时候，要考虑旁边的权重，离中心点T越近，则权重越大，比如上图的三个点，T的权重为2，旁边的点离中心远一点，则权重低一些，那就设为1呗

那么最简单的一个一维卷积核就产生了

[1,2,1]

键入上述图片是一个巨大的集合，那么可以写一个集合：
[1,2,3,2,1,2]

卷积核运动到T（2）的时候，就会产生

      [1,2,1]

[1,2,3,2,1,2]

上下数字一乘，就会产生一个值8，那么8点就是新的这个地方的值

如果从头向后运动的话，就会产生一个新的数组

[8,10,8,6]

可以发现和第一张图片差不多，但是更短

该过程如下：

这个数组明显比原来的数组丢失怎么办，有两种办法处理

在边缘填上空白值

[0,1,2,3,2,1,2,0]

或者复制最边缘的值

[1,1,2,3,2,1,2,2]

采集一遍就会得到和原来数组长度一样的新的卷积结果了

数学公式：

卷积边缘是为了抵消噪声的，所以离当前时间点  越近的测量点权重应该越高，我们可以用下面的公式表示

从一维卷积扩展到二维卷积：

一张图就解释清楚了，得到一点附加周围噪声的权值的结果

下一篇文章将接着上一篇直接用一个常用的卷积核 Prewitt算子去完成一副图像的处理