介紹一維卷積的兩種計算方法：
1.h(n)序列倒置->位移->相乘->取和
舉例：x(n) = [4,3,2,1]，h(n) = [3,2,1]。
h(n)倒置為h'(n)[1,2,3]，逐漸從前向x(n)位移，直到h'(n)最后一個元素3與x(n)第一個元素4接觸時，開始相乘，也就是將兩個序列相交的元素相乘並求和。
因此x(n)*h(n) = [4×3,2×4+3×3,1×4+2×3+3×2,1×3+2×2+3×1,1×2+2×1,1×1] = [12,17,16,10,4,1]
2.對位相乘求和。
步驟：①兩序列右對齊；②逐個元素對應相乘但是不進位；③同列乘值相加
舉例：
矩陣卷積：
同一維數據卷積一樣，它的實質在於將卷積模板圖像翻轉（旋轉180°），這里等同於一維信號的翻轉，然后將卷積模板依次從上到下、從左到右滑動，計算在模板與原始圖像交集元素的乘積和，該和就作為卷積以后的數值。
假設矩陣A（4*3）、B（2*3）如下，計算B * A：
首先，B需要旋轉180，結果為
然后不斷平移、相乘、求和。
依次計算直至結束，結果數據為：
卷積結果shape的取值有三種，令mA表示矩陣A的行數，nA代表矩陣A的列數。full代表返回卷積以后的全部數據，即為(mA+mB-1,nA+nB-1)；same代表返回卷積以后的原圖size (mA,nA)的部分數據；valid返回size為(mA-mB+1,nA-nB+1)的數據，指的是模板元素全部參加運算的結果數據，即源圖像和模板的交集為模板。