一维高斯平滑滤波器的卷积形式验证及相关疑问

你的一维高斯平滑卷积公式是完全正确的，和二维卷积的核心思路完全一致：

• 从卷积定义来看，一维信号的卷积就是对目标点的邻域（范围是dx=-a到dx=a）进行加权求和，权重由一维高斯核ω(dx)提供。这和二维卷积中对(x,y)邻域的双求和加权逻辑完全对应，只是维度从二维降到一维，求和的维度数减少了一个。
• 你提到的二维高斯可分离为两个一维卷积的特性，也能佐证这个一维公式的合理性：二维高斯核ω(dx,dy)可以分解为ω_x(dx) * ω_y(dy)，对应的二维卷积操作等价于先对图像每一行做一维高斯卷积，再对每一列做一维高斯卷积（或反过来）。这说明一维卷积就是二维卷积在单维度上的自然简化，你的推导完全符合这个逻辑。

本质上，一维和二维高斯平滑的卷积思路都是用核函数对目标点邻域内的信号做加权平均，只是维度差异导致求和形式有区别，你的推导没有问题。

内容的提问来源于stack exchange，提问作者Enceladus