登录
【图像处理】卷积原理与卷积核——图像处理的核心引擎
2026年5月20日 16:33
模糊、锐化、边缘检测、浮雕…… 这些看起来完全不同的效果，底层都是同一个操作：卷积。 理解了卷积，你就掌握了图像处理最核心的工具。
一、从"滑动窗口"理解卷积
想象你拿着一个 3×3 的放大镜，在图像上从左到右、从上到下滑动。每移动到一个位置：
- 放大镜覆盖当前像素周围的 3×3 区域（共 9 个像素）
- 把这 9 个像素值分别乘以放大镜上对应位置的权重
- 把 9 个乘积加起来，得到一个数
- 这个数就是输出图像在该位置的像素值
这个"放大镜"就是卷积核（Kernel / Filter），这个操作就是卷积。
输入图像（局部） 卷积核（3×3）
┌───┬───┬───┐ ┌───┬───┬───┐
│ a │ b │ c │ │ k │ l │ m │
├───┼───┼───┤ ⊛ ├───┼───┼───┤
│ d │ e │ f │ │ n │ o │ p │
├───┼───┼───┤ ├───┼───┼───┤
│ g │ h │ i │ │ q │ r │ s │
└───┴───┴───┘ └───┴───┴───┘
输出 = a·k + b·l + c·m
+ d·n + e·o + f·p
+ g·q + h·r + i·s
二、数学定义
离散 2D 卷积
output[x, y] = Σ Σ input[x + i, y + j] · kernel[i, j]
i=-r j=-r
其中 r 是核的半径（3×3 核的 r = 1），求和范围是核的所有位置。
注意：严格的数学卷积（Convolution）需要把核翻转 180°，而图像处理中实际使用的是相关（Cross-correlation）。
卷积（Convolution）： kernel 翻转后再滑动
相关（Cross-correlation）：kernel 直接滑动（不翻转）
对于对称核（如高斯核），两者结果相同，所以在图像处理领域，大家习惯性地把相关操作也叫做"卷积"。本框架遵循这个惯例。
三、常见卷积核的原理
均值模糊核（Box Filter）
┌ 1/9 1/9 1/9 ┐
blur3×3 = │ 1/9 1/9 1/9 │
└ 1/9 1/9 1/9 ┘
- 权重全部相等，每个像素值是周围 9 个像素的平均值
- 效果：模糊（每个像素被邻居"平均"掉了，细节丢失）
- 权重之和 = 1：保证亮度不变（不会整体变亮或变暗）
关键：如果权重之和 ≠ 1，输出亮度会变化：
- 权重和 > 1 → 整体变亮
- 权重和 < 1 → 整体变暗
- 权重和 = 0 → 只看差异（Sobel 就是这样）
锐化核（Sharpen）
┌ 0 -1 0 ┐
sharpen3×3 = │ -1 5 -1 │
└ 0 -1 0 ┘
原理：
中心权重 5 = 1 + 4
周边权重 -1（共 4 个）
等价于：原图 × 1 + 拉普拉斯算子 × 1
= 原图 + (原图中心 - 周围平均) × 4
中心像素与周围的差异被放大了，边缘对比更强，看起来更清晰。
权重之和 = 0 + (-1) + 0 + (-1) + 5 + (-1) + 0 + (-1) + 0 = 1，亮度不变。
浮雕核（Emboss）
┌ -2 -1 0 ┐
emboss3×3 = │ -1 1 1 │
└ 0 1 2 ┘
原理：模拟从左上角打来的平行光。
- 左上方权重为负（被"遮挡"的一侧变暗）
- 右下方权重为正（受光一侧变亮）
- 结果：图像呈现出立体浮雕感
权重之和 = 1，亮度基本不变。
Sobel 核（边缘检测，见 Day 8）
┌ -1 0 1 ┐ ┌ -1 -2 -1 ┐
Gx = │ -2 0 2 │ Gy = │ 0 0 0 │
└ -1 0 1 ┘ └ 1 2 1 ┘
权重之和 = 0，纯色区域（无梯度）输出为 0，只有像素值变化的地方有非零输出。
四、边界问题及处理策略
当卷积核处于图像边缘时，核的部分位置会超出图像范围（越界）。
图像：5×5，核：3×3，核半径 = 1
当 x=0, y=0 时：
核需要访问 (-1,-1), (0,-1), (1,-1), (-1,0), (0,0)...
其中 (-1,-1) 等坐标超出图像范围！
三种常见策略
| 策略 | 做法 | 特点 |
|---|---|---|
| Zero Padding（补零） | 越界位置当作 0 | 边缘会变暗，适合某些场景 |
| Clamp（复制边缘） | 越界时取最近有效像素 | 本框架使用，简单且不引入黑边 |
| Mirror（镜像） | 越界时取镜像位置的像素 | 更自然，对称图像效果好 |
Clamp 实现
for ky in 0..<kernel.height {
for kx in 0..<kernel.width {
// clamp：超出边界时取最近的有效坐标
let px = min(max(x + kx - kernel.radiusX, 0), w - 1)
let py = min(max(y + ky - kernel.radiusY, 0), h - 1)
let idx = bitmap.index(x: px, y: py)
sumR += Float(bitmap.pixels[idx]) * kernel.values[ky][kx]
...
}
}
五、卷积核必须是奇数尺寸
为什么？
核半径 r = size / 2（整数除法）。
- 3×3 核：
r = 1，中心在(1, 1)，覆盖中心像素 ✅ - 5×5 核：
r = 2，中心在(2, 2)✅ -
4×4 核：
r = 2，但中心实际在(1.5, 1.5)（非整数），无法对齐像素格子！
偶数尺寸核会导致输出图像产生亚像素偏移，在实践中几乎从不使用。
// 本框架在 ConvolutionKernel init 中强制检查
precondition(values.count % 2 == 1, "Kernel height must be odd")
precondition(w % 2 == 1, "Kernel width must be odd")
六、卷积的完整实现
public static func apply(
_ bitmap: MLBitmap,
kernel: ConvolutionKernel,
scale: Float = 1.0,
bias: Float = 0.0
) -> MLBitmap {
let w = bitmap.width
let h = bitmap.height
var result = bitmap // CoW：写入时自动分离
for y in 0..<h {
for x in 0..<w {
var sumR: Float = 0
var sumG: Float = 0
var sumB: Float = 0
for ky in 0..<kernel.height {
for kx in 0..<kernel.width {
let px = min(max(x + kx - kernel.radiusX, 0), w - 1)
let py = min(max(y + ky - kernel.radiusY, 0), h - 1)
let weight = kernel.values[ky][kx]
let idx = bitmap.index(x: px, y: py)
// ⚠️ 始终读 bitmap（原始）而不是 result（输出）
// 避免 in-place 卷积的经典 bug：
// 如果读 result，则当前像素的计算依赖已被修改的邻域
sumR += Float(bitmap.pixels[idx]) * weight
sumG += Float(bitmap.pixels[idx + 1]) * weight
sumB += Float(bitmap.pixels[idx + 2]) * weight
}
}
let i = result.index(x: x, y: y)
result.pixels[i] = UInt8(clamping: Int((sumR * scale + bias).rounded()))
result.pixels[i + 1] = UInt8(clamping: Int((sumG * scale + bias).rounded()))
result.pixels[i + 2] = UInt8(clamping: Int((sumB * scale + bias).rounded()))
}
}
return result
}
scale 和 bias 参数的用途
某些操作需要在卷积后做额外的缩放和偏移：
-
Sobel 可视化：梯度值范围是 -255~+255，无法直接存为 UInt8。通过
bias = 128，把 [-255, 255] 映射到 [-127, 383]，再 clamp 到 [0, 255]，负梯度显示为暗色，正梯度显示为亮色：
Convolution.apply(bitmap, kernel: .sobelX, bias: 128.0)
-
Sobel 计算中间值：用
applyGrayscaleRaw获取未截断的 Float，保留符号信息，外部做绝对值合并：
// 不截断，用于外部 |Gx| + |Gy| 计算
public static func applyGrayscaleRaw(_ bitmap: MLBitmap, kernel: ConvolutionKernel) -> [Float]
七、计算复杂度
每个像素：需要 kW × kH 次乘加运算
全图：W × H × kW × kH 次运算
3×3 核，100×100 图：100×100×9 = 90,000 次
3×3 核，4K 图（3840×2160）：3840×2160×9 ≈ 75,000,000 次
每次运算包含：1 次读像素、1 次乘法、1 次加法
CPU 主频 3 GHz，每秒约 30 亿次简单操作
→ 4K 图单次卷积：约 25ms（纯 CPU，无优化）
对实时视频（30 fps）：每帧只有 33ms，单次 3×3 卷积就快耗尽 budget。
这就是为什么后续的需要：
- vImage（SIMD 向量加速，一次处理 16 字节）
- Metal Compute Shader（GPU 并行，数千个像素同时计算）
- 高斯核的可分离性
八、applyGrayscaleRaw 的设计价值
标准 apply 把结果截断到 [0, 255] 存为 UInt8。但有些算法需要负值或超出 255 的中间结果：
-
Sobel：
Gx和Gy的值范围是 [-1020, 1020]（255 × 最大权重 4） - 拉普拉斯：类似，需要负值
- 如果截断，这些信息会丢失，后续的
|Gx| + |Gy|合并会出错
// 错误流程（截断后合并）：
let gx = Convolution.apply(gray, kernel: .sobelX) // 截断到 [0,255]
// 所有负梯度变成了 0，正梯度被截断，信息严重丢失
// 正确流程（保留浮点后合并）：
let gxRaw = Convolution.applyGrayscaleRaw(gray, kernel: .sobelX) // Float 数组
let gyRaw = Convolution.applyGrayscaleRaw(gray, kernel: .sobelY) // Float 数组
let magnitude = abs(gxRaw[i]) + abs(gyRaw[i]) // 利用符号信息
九、小结
| 概念 | 核心内容 |
|---|---|
| 卷积本质 | 用权重矩阵对每个像素的邻域做加权求和 |
| 核的设计 | 权重和=1（亮度不变），=0（检测变化），>1（增强） |
| 边界处理 | Clamp（复制边缘），实现简单，无黑边 |
| 奇数尺寸 | 偶数核无法对齐像素中心，必须为奇数 |
| 读写分离 | 永远读原始 bitmap，写独立 result，避免 in-place bug |
| 计算复杂度 | O(W×H×kW×kH)，大核 + 大图需要 GPU 加速 |
思考题
- 设计一个 3×3 卷积核，使得输出图像是原图的水平方向平均（每个像素 = 同行左中右三个像素的平均），但垂直方向不变。
- 一个 5×5 核可以等效为两次 3×3 卷积吗？在什么条件下等效？
- 如果要实现"运动模糊"（Motion Blur，模拟相机运动时的拖影效果），卷积核应该长什么样？
答案：1.
[[0,0,0],[1/3,1/3,1/3],[0,0,0]]— 中间行权重相等，其他行全零；2. 不是所有 5×5 核都能分解为两个 3×3，只有可分离核（rank-1 矩阵）才能；3. 水平运动模糊：[[0,0,0,0,0],[1/5,1/5,1/5,1/5,1/5],[0,0,0,0,0]]，一行中 5 个相等权重，模拟水平拖影。
如果这篇对你有一点启发：点个赞，让更多人少踩一个坑 转发给那个正在纠结的人也欢迎关注我—— 我们一起，把认知变成长期复利。
往期推荐：
