CNN相当于低通滤波

卷积神经网络（Convolutional Neural Network，CNN）在图像处理领域常常被比喻成低通滤波器，这是因为其核心组成部分之一就是卷积层。在图像分析中，卷积层通过滑动一组固定大小的滤波器（也称卷积核）在输入图像上，就像传统信号处理中的低通滤波器一样，它能够捕获局部特征并保留平滑的、全局不变的信息，如边缘、纹理等。这些特征提取过程有助于减少噪声影响，同时保持重要的视觉结构。此外，池化层通常紧随卷积层，进一步缩小数据的空间维度，可以理解为一种下采样操作，类似于低通滤波器减小频率响应的高频部分。所以，虽然CNN的复杂性远超过简单的低通滤波，但这个比喻有助于直观理解其工作原理。