我在学图像处理,到处都有人说“卷积是可交换的,相关性不是”。 (例如,参见幻灯片 19、24 和 25 here)但是,在搜索之后我找不到相关性不可交换的好例子。事实上,这对我来说似乎是可交换的。
这是一个简单的一维示例。如果我有:
F = [1 2 3] H = [1 2 3 4 5 6 7 8 9]
那么 F corr H 将是:
[14 20 26 32 38 44 50]
(第一个元素是 1x1 + 2x2 + 3x3 = 14,第二个元素是 1x2 + 2x3 + 3x4 = 20,等等。
如果我计算 H corr F,似乎我得到了相同的数组。
有人可以提供一个简单的例子来说明相关性是不可交换的吗?
我尝试在线搜索不同的讲座 PDF,手动尝试自己的示例,甚至询问 Chat GPT。没有人能够清楚地解释为什么相关性不是交换操作。
好吧,我想我想出了一个例子。如果将来有人有类似的问题,请在这里发帖:
让我们使用这两个简单的数组:
F = [1 0 -1]
H = [3 1 4 1 5 9]
我将计算 F 卷积 H、H 卷积 F、F 相关 H 和 H 相关 F。
F 卷积 H = [3 1 1 0 1 8]
这是通过在 H 上反向滑动 F 来计算的,前两项需要用 0 填充 H。例如:
(在H上反向滑动F) H卷积F:[3 1 1 0 1 8]
以类似的方式,我们可以计算: F corr H:[-3 -1 -1 0 -1 -8]
这是通过在 H 上滑动 F 来完成的。
H 校正 F:[9 5 -8 -1 0 -1]
所以我们看到F卷积H等于H卷积F,但是F corr H不等于H corr F。所以卷积是关联的但相关不是。