卷积核

卷积核（也称滤波器核或卷积矩阵）是图像卷积中使用的小型数值矩阵。通常大小为 3×3、5×5 或 7×7（奇数维度），每个值定义应用于周围像素的权重。仅通过改变核的值，就能实现完全不同的效果 - 模糊、锐化、边缘检测、浮雕。

基本的核设计原则：

• 归一化：元素之和为 1 的核保持图像亮度（模糊类滤波器）。元素之和为 0 的核检测边缘
• 对称性：中心对称的核产生各向同性（方向无关）的滤波器
• 大小：更大的核影响更宽的区域，但计算成本呈二次方增长

实用的核示例：

• 3×3 高斯模糊：[[1,2,1],[2,4,2],[1,2,1]] 除以 1/16 归一化。自然平滑
• 3×3 锐化：[[0,-1,0],[-1,5,-1],[0,-1,0]]。强调中心像素以增强边缘
• 3×3 Sobel（水平）：[[-1,0,1],[-2,0,2],[-1,0,1]]。检测垂直边缘
• 3×3 浮雕：[[-2,-1,0],[-1,1,1],[0,1,2]]。创建凸起浮雕效果

在代码中，OpenCV 通过 cv2.filter2D(img, -1, kernel) 应用自定义核。将核定义为 NumPy 数组并传递给函数 - 创建自定义滤波器只需基本线性代数，无需专门的库。

在深度学习中，核的值不是手动设计的，而是从训练数据中自动学习。每个 CNN 层包含数十到数百个核：较低层学习边缘和颜色检测器，较高层识别物体部件和语义概念。