1.邊緣檢測的缺點
6*6矩陣與3*3矩陣卷積，得到4*4矩陣。普遍規律是 n*n 卷積 f*f 得到 n-f+1 * n-f+1。
但是存在兩個缺點：
1.卷積後的矩陣越變越小（如果卷積層100層，每一層都縮小最終得到的將是很小的圖片）
2.輸入矩陣（左）邊緣像素（綠陰影）只被計算過一次，而中間像素（紅陰影）被卷積計算多次，意味着丟失圖像角落信息。
爲了解決這兩個問題，就對輸入圖像進行padding，即填充像素
2.利用padding解決上述缺點
eg1：
上圖將輸入圖像矩陣周圍填充一層像素（通常填充元素爲0）填充數量p=1，輸出圖像大小變爲n+2p-f+1 * n+2p-f+1，6*6——>8*8，卷積輸出爲6*6，與原輸入圖像大小相同，解決了卷積會使圖片變小的缺點。（當然也可以填充兩層）；輸出矩陣綠色陰影塊是受輸入矩陣綠色陰影值影響的部分，削弱了邊緣信息丟失的缺點。
3.valid和same兩種卷積方法
valid卷積：不填充
same卷積：填充後（p），輸入（n*n）輸出（n+2p-f+1 * n+2p-f+1）大小相同：
通常計算機視覺使用的濾波器矩陣f都是奇數。（可能是由於奇數f使p填充時對稱；奇數f使濾波器矩陣有中心像素點，計算機視覺中方便指出濾波矩陣位置）
