来源：‣（图像处理与目标检测 → 手工滤波器与 CNN 卷积层）

迁移说明：从正式 Notes 对应小节迁入，正文与数学表达式依原笔记保留；原图片和附件仍请查看来源。内容尚待校对。

手工滤波器与 CNN 卷积层

滤波器是一个小数字模板，滑过图像局部，对覆盖的像素加权求和，突出某类变化。传统图像处理通常由人按目的设定模板；卷积神经网络（CNN）的卷积层也做局部加权计算，但模板中的权重会在训练中根据样本和目标自动调整。CMU 计算机视觉课程讲义同时展示了手工滤波器和从数据学习滤波器的做法。

用一行灰度值 $[10,10,30]$ 做简化手算。把模板 $[-1,0,1]$ 逐项相乘后相加：

$$ (-1)\times10+0\times10+1\times30=20. $$

这个模板比较左右两端亮度；结果为正且较大，表示从左到右变亮。若由工程师预先选定，它是固定的传统滤波器；若把这三个位置的权重设为训练参数，CNN 会从训练样本中调整它们。这个一维算例只解释局部加权与“手工指定/数据学习”的区别，不是完整目标检测器。