前言
1.在圖像處理中，特別在深度學習圖像處理，最常看到圖像卷積操作，那什麼是卷積呢，卷積就是兩個原函數產生一個新的函數，兩個函數之間的這種操作就稱着卷積，在圖像這裏的圖像卷積也用輸入的圖像矩陣與一個特定的矩陣進行操作得到一個新的圖像。
2.那先了解二維矩陣的卷積是如何運算，之後再講講卷積在圖像中的應用。
卷積運算
1.一個模板矩陣和另一個輸入矩陣進行卷積，是使錨點覆蓋在待計算矩陣元素上面，然後計算元素值與被覆蓋的卷積核中的值的乘積和。將這個和賦值給當前元素，這就是卷積的過程
那現在假設有待處理矩陣src，模板是Kernel，如下圖：
2.計算公式如下：
3.這裏只演示運算方式，先不對卷積核進行180度旋轉，也暫時不考慮擴展邊界問題，只拿卷積核與輸入矩陣做運算，那麼一個44的矩陣與一個33的核運算，不超出邊界的計算的話，最終只得到一個22的矩陣，步驟如下圖。
那麼最終得到的矩陣是一個22的矩陣，如下圖：
4.最終得到的矩陣與原矩陣大小不一致，這肯定不是我們想要的結果，那麼這裏就要用到擴展邊界這個概念，如果不是很清楚什麼是邊界擴展，可以看我之前的博文，我這裏使用特定的值（0）來擴展邊界，擴展的大小爲卷積核的半徑。擴展之後如下圖：
運算時卷積核滑動的步驟：
運算得到的結果：
這裏只演示卷積的運算方法，沒有對卷積核做180度的旋轉，也沒有對負數取絕對值。
