https://www.bilibili.com/video/BV1V54y1B7K3?p=7&spm_id_from=pageDriver图像去噪
什么是噪点？仍然是像素点，只是说它的值相较于周围的像素十分突兀
如何去除？法一：平均一下，算3*3区域内像素值的均值
卷积的定义
CNN网络定义的卷积在算法上很简单直接。但是这里提到之前没有注意的问题，要求将filter翻转180度，这里没有理解？？？
在实际的运算中，并没有要求必须翻转
卷积的平移不变性
卷积核的尺寸：之前没有注意，一般用的都是3*3.一般要有一个处于中心位置的像素，因此滤波器的边长都是奇数
如何衡量图像的变化？判断的依据就是图像每个像素点的值的大小，就看每个像素点的值是如何变化的
滤波器
均值滤波器：去噪的时候提到过。其实现的效果叫平滑，尤其是图像中物体的边缘，这种位置的对比度一般是最大的，均值滤波器在这里就会实现明显的消去轮廓，是一种氤氲的感觉
原图 - 平滑图 = 边缘图 之前咱们提过如何提取图像的边缘
原图 + 边缘图 = 锐化图
因此，2*原图 - 平滑图 = 锐化图
?振铃现象：均值滤波器带来的一种过度平均现象，图像过于模糊
如何解决：加权。使用高斯滤波器，各个像素的权值以中心像素为中点，符合高斯分布
如何得到高斯滤波器？
进行归一化的原因：只有这样，才不会对原数据的信号造成加强或者衰减
如何设计高斯滤波器：
方差越大，平滑效果越好
滤波器尺寸越大，平滑效果越好
经验：
图像中的高频成分：噪点，边缘
高斯滤波器的可分离性：可以按照矩阵乘法的规则将滤波器分离，分离之后按照卷积的规则计算等价于直接使用高斯滤波器卷积
高斯卷积的传递性：
这两个特性极大地加快了计算的效率，允许网络使用更加巨大的滤波器
像googlenet的几次迭代，就采用了这种方案。?
中值滤波器：这里就体现了什么叫卷积。此filter里面没有权值，他是一个求中值的排序操作
注意，中值滤波器是处理消噪，不处理边缘。所谓边缘，就是一边像素值大，一边的像素值小。中值处理保留了这个特性，因此就不像平滑那种效果，只是消噪
边缘的定义：像素值急剧变化的条带