探究卷积核与图像之间的关系

深度学习中的卷积是什么？

好像是提取图像的特征，而特征又分为浅层特征和深层特征，还对应高频与低频。这样一解释感觉更蒙蔽了，于是我用matlab中有个conv2的函数，也就是卷积的函数进行研究一下。

首先准备一张图像：“波吉”

然后，打开matlab：首先提取图像像素点的值，进行RGB三通道分解

clear all
% 读取“波吉”（图像）并展示
I=imread('test.jpg');
figure();
subplot(2,2,1);imshow(I(:,:,1));
subplot(2,2,2);imshow(I(:,:,2));
subplot(2,2,3);imshow(I(:,:,3));
subplot(2,2,4);imshow(I);

结果波吉变成这样

小小的波吉，要被我用一个卷积核h 进行卷积了，提取他的特征了：

%设置卷积核3*3
h = [0 1 0;
    1 -4 1; 
    0 1 0];

RJ = conv2(R,h);
figure();imshow(RJ);
GJ = conv2(G,h);
figure();imshow(GJ);
BJ = conv2(B,h);
figure();imshow(BJ);

然后，波吉就成了这样：

为什么会这样呢？

因为这个卷积核是一个比较出名的卷积核，它还有一个叫法：叫什么滤波器来着？忘了，我接下来改变卷积核中的数值，他又提取其他信息了：
例如：

继续改一个：

总结：

卷积核的数值的不同，提取得到的一张图片中的信息就是不同的。

全部代码

clear all
% 读取“波吉”（图像）并展示
I=imread('test.jpg');
figure();
subplot(2,2,1);imshow(I(:,:,1));
subplot(2,2,2);imshow(I(:,:,2));
subplot(2,2,3);imshow(I(:,:,3));
subplot(2,2,4);imshow(I);
I =double(I);

%三通道卷积
R = (I(:,:,1));
G = (I(:,:,2));
B = (I(:,:,3));
%设置卷积核3*3
h = [0 1 0;
    1 -4 2; 
    0 1 0];
% 
RJ = conv2(R,h);%以h为卷积核对I进行卷积，返回与I相同大小的中心部分
figure();imshow(RJ);
GJ = conv2(G,h);%以h为卷积核对I进行卷积，返回与I相同大小的中心部分
figure();imshow(GJ);
BJ = conv2(B,h);%以h为卷积核对I进行卷积，返回与I相同大小的中心部分
figure();imshow(BJ);