参考博客
首先，图像卷积核卷积操作时有区别的，图像卷积不改变图像的尺寸，但是类似深度学习里的卷积层是会改变图像的大小的。

高斯函数与图像卷积

假设高斯模糊稀疏为σ，根据3σ原则，使用NxN的模板在图像每一个像素点处操作，其中N=[（6σ+1）]且向上取最邻近奇数。如下图：

分离卷积

此处还是以图像和高斯核的卷积为例说明，上面这样直接与图像卷积，速度比较慢，同时图像边缘信息也会损失严重。后来，后来、、、，不知哪位学者发现，可以使用分离的高斯卷积（即先用1xN的模板沿着X方向对图像卷积一次，然后用Nx1的模板沿着Y方向对图像再卷积一次，其中N=[（6σ+1）]且向上取最邻近奇数），这样既省时也减小了直接卷积对图像边缘信息的严重损失。