目录
相关滤波—均匀权重
相关滤波—非均匀权重
相关滤波—均匀权重
因此，上一篇文章所做的数学运算被称为相关或相关滤波。
而我们刚刚做的是我们用均匀的权重做到的。具体的公式如下：
我们上一篇文章用的就是平均窗口，它的大小是3*3，这里用2k+1 * 2k+1来表示。
记住这是奇数，如果k是3，那就是7×7。如图：
我们要做的是我们要循环遍历所有的像素在某个位置
是行和列。如图：（循环遍历图像像素
附近的所有像素）
我们循环所有的 u 和 v 从 -k 到 +k，把所有的像素加起来。如图：
然后，因为我们有均匀的权值，这里的权值是1，我们把整个数除以滤波器的权值。
如果k=1，奇数窗口就是3*3，把9个数字加起来除以9，得到平均值。
但那是均匀的权重，我会不再使用均匀滤波器。所以，我们将在这里做一些完全不同的事情。
相关滤波—非均匀权重
我们要做的就是做一些所谓的非均匀权重。
现在概括为根据相邻像素的相对位置允许不同的权重：
这意味着，在每个位置上我们的权值将不同于除以
。所以这些非均匀的权值被写成
。如图：
就是你要用的权值，仍然是整个式子的一部分，但是现在这些不同的权值会随着滤波器的移动而应用。
这个操作就称为相关或互相关，表示为
。我们认为G是H与F的相关或互相关。
顺便提一下，这个H被很多东西所引用。
它被称为一个内核，它被称为掩码，它被称为系数。
它只是使用在线性权重的矩阵。
顺便说一句，如果你们中的任何一个人参加过机器学习课程，而且你们已经开始学习机器学习内核和内核技巧了。
这里有一个非常微小的关系，但实际上它是一个完全不同的东西。
我们正在考虑将这些内核作为我们进行计算的掩码。
加深理解视频：
https://www.youtube.com/watch?v=C3EEy8adxvc
对于公式中的双
的正确计算：
https://www.youtube.com/watch?v=24G2E_ktXUs
——学会编写自己的代码，才能练出真功夫。