卷积的定义和物理意义.docVIP

卷积的定义和物理意义 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 to n. 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。