卷积运算
用小尺寸卷积核在图像上滑动并提取特定特征。
从"只看局部"出发
上一节我们得到的结论是：对图像有用的层结构应当满足两个性质—— 只关注局部 ，以及对 同一种特征在不同位置出现 保持 平移不变 （translation invariance）。 前者由"只看一个小窗口"这件事本身自然给出；后者意味着： 无论一只猫的耳朵出现在画面左上角还是右下角，识别它所用的局部计算 应当完全一样 。
要在工程上实现"平移不变"，最直接的做法是让 同一组参数在所有位置反复使用 ， 也就是 跨位置的参数共享 ——这只是手段，目的仍然是平移不变。 把"只看局部 + 同一组参数走遍每个位置"合在一起，便得到一种很自然的运算： 用一个小尺寸的"局部探测器"，在大图上一格一格挪过去 ， 每挪到一处就看看"局部范围里有没有我感兴趣的特征"。
这种"小窗口 + 滑动 + 局部加权"的运算，在图像处理领域有个名字—— 卷积 （Convolution）。 在引入神经网络之前，卷积已经被用了几十年来做边缘检测、模糊、锐化等图像处理。 本节我们先把它 当成一个固定的运算 看清楚，下一节再让它"长出"可训练参数。
卷积运算：小窗口滑动 + 对位相乘求和
卷积运算的核心是 两个矩阵 ：
- 输入图像 ：一张较大的矩阵，尺寸 。
- 卷积核 （kernel，也称 filter） ：一个尺寸较小的矩阵， 常见尺寸如 、 。
计算过程是：把卷积核 从图像左上角开始 ，每次按一定步长滑动； 每停一处，就把 卷积核与图像当前局部窗口对位相乘 ， 再把所有乘积加起来——得到的就是输出图像在该位置的 一个像素值 。
公式里 4 个下标各有分工：
- 是 输出位置 ——指的是要算 的第 行、第 列那一格。
- 是 卷积核内部的下标 ——分别从 0 到 、0 到 遍历核里每一个元素。
- 所以 表示：把卷积核左上角对齐到输入图像的 这一格、再往右下方覆盖一个 窗口里的某个像素。
其中 是卷积核尺寸， 是卷积运算的输出，也叫 特征图 （feature map）。
控制滑动方式：步长（stride）与填充（padding）
上面的描述里隐含了两个默认假设：卷积核每次 右移 1 格、下移 1 格 ，并且滑动严格停留在图像内部。 实际使用中，这两点都会被显式地参数化——
步长指卷积核每次滑动跳过几格。严格来说它有 两个方向 ： 横向步长 （每次向 右 移几格）和 纵向步长 （一行扫完后向 下 移几格）。
实践中绝大多数情况会让两者取同样的值，因此不做特别说明时，所说的"步长 "就是简写 ；本节后续公式也沿用这个简写。 默认 ，也就是逐格滑动。
在输入图像四周补一圈 0 ，让卷积核能"伸出"原图边界。
表示在 上下各补 1 行、左右各补 1 列 。 常用做法是设 （核为奇数时），可以让 输出与输入尺寸保持一致 。
把 一起代入，输出特征图的高与宽分别是：
当 时，公式就退化为最初那一版 ——输出会比输入小一圈； 要想"输出尺寸等于输入"，最常见的做法就是让 padding 把这一圈再补回来。
如果一时没看明白上面的公式， 建议跟着下面的演示一步步算一遍 —— 卷积说到底就是"在窗口里乘一乘加一加"，没有更复杂的成分。 你可以改改输入 / 卷积核的大小、步长、填充， 也可以直接点击输入或卷积核里的任意一格修改数值，立刻看到当前窗口算式与输出怎么变。
卷积核里的数字决定了它能"检测"什么
关键观察来了： 卷积运算本身是固定的，但卷积核里的数值不同，输出图像就完全不同 。 下面给出几个图像处理中的经典卷积核，目的是让大家 直观感受到 「换一组数字就能换一种功能」—— 重点是 建立感觉 ，不需要记住具体数值。 每个核下面的简短说明也只是帮助理解它"为什么有这种效果"， 在阅读时只需关注"输出图像和原图的差别"即可。
把这些固定卷积核作用在同一张图上，得到的输出图各不相同—— 每一种卷积核都对应一种"我能识别什么"的 特定特征 。 下面这个演示把这件事变得可触摸：左边是输入的灰度图、右边是卷积后的输出图， 底部的 kernel 下拉框可以切换不同的预设核——选「自定义」还能自己改这 9 个权重， 输出图随之实时变化。 把鼠标移到输入或输出图上，输入图里红色虚线框标出的当前 感受野、 中间一整条乘加展开式、以及输出图上对应的落点会 同步移动 ， 让每一个输出像素是怎么算出来的都看得清清楚楚；你也可以用 "上传图片" 换成自己的图来观察效果。
多切换几个核你会发现： 有意思的特征都对应着特定形状的卷积核 。 边缘检测类的核（边缘检测、Sobel）在人脸轮廓、五官边界这些 明暗突变处 给出强响应， 把一张完整的脸"提炼"成一组线条；浮雕、锐化各自强调不同的方向与细节；而单位核则原样保留输入。 这些核往往是"专家手工设计的"——比如 Sobel 算子是为了边缘检测专门设计的， 高斯模糊的核是为了平滑而设计的。
手工设计的局限
看到这里，问题就来了：
- 识别 边缘 要用 Sobel 核，识别 角点 要换一组核，识别 纹理 还得另设计……
- 同一种特征在不同尺寸下又需要不同尺寸的核；
- 真正复杂的任务（识别猫、识别人脸）所需要的特征， 人类根本说不清 该用什么核。
手工设计卷积核可以解决"特征已知 + 任务简单"的场景， 但很难扩展到现代视觉任务。 既然神经网络擅长 从数据中学习权重 ， 一个自然的想法就是——
附录：卷积的数学定义与"互相关"术语
本附录仅作术语溯源，不影响后续学习，可跳过。
严格意义上的 卷积 ，连续形式为：
离散形式：
二维离散版本里， 等价于 先把核 翻转、再做对位相乘 。 我们这一节用的运算 没有这一步翻转，因此严格说叫 互相关 而非卷积。但由于卷积核在下一节会变为可学习参数，是否翻转不影响最终能否学到所需特征 （翻转后的核同样可被参数化学到），因此 PyTorch、TensorFlow 等深度学习框架都直接称之为"卷积"， 约定俗成沿用至今。