A. 画出这两个信号卷积后的图像，谢谢。
😂重复
B. 卷积运算的过程是什么卷积计算的矩阵是怎么来的，如下图，这个卷积运算示意图怎么理解
首先，卷积核相同，输入相同，输出的特征是一样的。只不过将输出的矩阵形式换成了列向量的形式。
实质上一般卷积运算与矩阵中的卷积运算并没有差异，唯一的差别仅仅体现在将矩阵元素重排成为了行向量或列向量
核矩阵很多时候都是根据经验选取，或者由学习得到
C. 画卷积。 画出这两个信号卷积后的图像，谢谢！
D. 如何利用filter2D函数进行图像卷积
方法/步骤
1在OpenCV说明文档中可以看到函数的定义及参数意义
七个参数分别表示：（原图，目标图，图像深度，核函数，模板中心点，delta，边界类型）
一般卷积操作只涉及到前五个参数。
2首先需要载入进行卷积操作的图像并所它转换为浮点类型
g_srcImage = imread(".\\sourcePicture\\3.bmp");
g_srcImage.convertTo(g_srcImage, CV_32F);
3根据需要定义自己的卷积核函数，下面定义了一个3*3的核函数，中心点为5
Mat myKnernel = (Mat_<double>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);
4编写卷积函数，并填写相应参数
filter2D(g_srcImage, dstImage, -1, myKnernel, Point(-1, -1), 0, BORDER_DEFAULT);
其中-1表示通道数与原图通道数相同
5将目标图像转换为无符号字符型并显示经过卷积后的图像
dstImage.convertTo(dstImage, CV_8UC3);
imshow("after convolution", dstImage);
6上面的全部代码如下图所示
http://jingyan..com/article/ea24bc3998fbbeda62b3318c.html
E. 有关卷积的问题，这两个图形的卷积怎么画
F. 卷积神经网络怎么生成图片
需要使用类似GAN的生成模型去做。望采纳
GAN的基本原理其实非常简单，这里以生成图片为例进行说明。假设我们有两个网络，G（Generator）和D（Discriminator）。正如它的名字所暗示的那样，它们的功能分别是：
G是一个生成图片的网络，它接收一个随机的噪声z，通过这个噪声生成图片，记做G(z)。
D是一个判别网络，判别一张图片是不是“真实的”。它的输入参数是x，x代表一张图片，输出D（x）代表x为真实图片的概率，如果为1，就代表100%是真实的图片，而输出为0，就代表不可能是真实的图片。
在训练过程中，生成网络G的目标就是尽量生成真实的图片去欺骗判别网络D。而D的目标就是尽量把G生成的图片和真实的图片分别开来。这样，G和D构成了一个动态的“博弈过程”。