深度学习处理图像：滤波器

滤波器 这是一篇传统方法和 深度学习 方法结合的算法，他在引导滤波器（关于这块可查阅我之前的文章）上融入了可学习的参数，从而赋予了更强大的拟合能力，从而可以应用在 多个图像处理任务上的调用。 线性滤波可以说是图像处理最基本的方法，它可以允许我们对图像进行处理，产生很多不同的效果。做法很简单。首先，我们有一个二维的滤波器矩阵（有个高大上的名字叫卷积核）和一个要处理的二维图像。然后，对于图像的每一个像素点，计算它的邻域像素和滤波器矩阵的对应元素的乘积，然后加起来，作为该像素位置的值。这样就完成了滤波过程。 单个卷积滤波器的尺寸一般为3x3 或 5x5；如上图所示的kernel 2.滤波器的层数与图像输入的色彩层有关 如上图所示层数为3 3.滤波器的深度是指布设多少个卷积特征提取器，越深的深度有利于多角度提取相关识别的特征、 最终经过合成后特征的图层的个数与上一级的卷积深度一致，从输入的图层个数 转化为特征层的个数；