在影象上使用filter的過程可稱為卷積，filter使用的權重模式稱為filter核。
filter三大應用場景：
增強影象（去噪、增強對比度、resize）、提取資訊（邊緣、角點、紋理）、檢測某一模式（Pattern）
幾個有意思的filter：

一、不得不知道的filter（影象增強方面的應用）：
高斯核：
用某一畫素其周圍畫素加權值（權值服從高斯分佈，離該畫素越近的畫素權值越大）來代替該畫素，以達到平滑。所選用的高斯核的標準差越大，平滑效果越好，同時丟失的細節資訊越多，可以看出平滑是以丟失細節為代價的（影象多少會有些模糊）。

表示某一方向上變化快慢的filter：
在x方向上變化程度可用如下filter表示

高斯濾波的另一大應用場景：構建影象金字塔（多尺度的影象表示）！
給定一張影象輸出其在不同尺度下的表示。尺度越小，影象越粗糙。
如何構建呢？簡單來說，從最精細的影象開始，先做高斯濾波，再做下采樣，於是乎，影象尺度越來越小，最終可獲取同一影象的多個尺度的表示，形象地稱其為影象金字塔。

二、filter在尋找相似Pattern上的應用：
換一種方式看待卷積：我們將filter看作pattern向量，卷積過程可視為和影象的一個小pattern（也看作向量）做點積運算，求出的結果視為響應值，響應值越大代表越相似。
但是使用這種方式尋找Pattern有很大的bug，比如：影象本身的畫素值就很大，那麼計算出的響應值也大，但並不相似，於是就有了Normalized Correlation，計算兩個向量夾角的餘弦值，如下所示：