卷积(Convolution)是分析数学中一个重要的运算,很多具体实际应用中会用到这个概念,卷积的数学定义就是一个式子,背后有什么物理背景意义呢?这里做一个分析。
函数卷积的定义: 设:f(x),g(x)是R1上的两个可积函数,作积分:
可以证明,关于几乎所有的实数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)空间是一个代数,甚至是巴拿赫代数。
数列卷积定义: 如果卷积的变量是序列x(n)和h(n),则卷积的结果定义: 其中星号*表示卷积。当时序n=0时,序列h(-i)是h(i)的时序i取反的结果;时序取反使得h(i)以纵轴为中心翻转180度,所以这种相乘后求和的计算法称为卷积和,简称卷积。另外,n是使h(-i)位移的量,不同的n对应不同的卷积结果。
卷积的物理意义(定义的来源思路) 如果一个信号是一组历史信号的组合,比如a(0),a(1),a(2)......a(n)......,其中a(i)是i时刻信号的量值,我们要计算在某一时刻n的信号的组合量值f(n), f(n)是a(0),a(1),a(2)......a(n)的组合。
如果是类似f(n)=a(0)+a(1)+a(2)+......+a(n)的简单线性组合就好办了,但是信号会随着时间的变化,不断的在衰减的,也就是说我们只知道0时刻信号量值是a(0),但不知道a(0)变化到n时刻的时候的实际值,所以不能简单用到上面的线性组合式子。
现在假设我们知道信号的衰减规律符合统一规律函数b(n),也就是说所有信号0时刻的衰减剩余率都是是b(0),1时刻的衰减剩余率是b(1)......,如果我们求n时刻的信号组合量f(n),因为n时刻a(n)信号刚出来,它的衰减剩余率应该为b(0)(理解一下),而 n-1时刻的信号衰减了一个时间周期了,它的衰减剩余率是b(1)......,写成式子就是: f(n)=a(0)b(n)+a(1)b(n-1)+a(2)b(n-2)+......+a(n)b(0) =sigma[a(i).b(n-i)],i 取值 from0 ton. 上面的式子,就是a(i).b(n-i)乘积形式的由来,作为数学推广,不是一般性,可以把取值范围推广到负无穷到正无穷。
也就是说卷积的物理意义是一组值乘以他们相应的“权重”系数的和,以上是一个变量的数列的卷积物理意义解释,不难推广到一元函数的卷积意义,另外2元到多元函数都有相应的卷积定义,我们也不难想象多元函数的卷积意义。
图像处理中的卷积举例 在图像识别/处理算法里,一幅图像可以看成一个二维函数,自变量是图片象素的坐标(x,y),函数值是象素的颜色(灰度)取值(0~255),有的图像处理方法是把象素的颜色(灰度)值变换为周围图像颜色(灰度)值的调和(周围象素颜色(灰度)值乘以一个权重值求和,效果会使得图像效果变得朦胧),这个过程也符合卷积的物理意义(一组值乘以他们相应的“权重”系数的和),所以这个处理也被称为卷积。 |
|