本文介绍了OpenCV中的自定义卷积核及其在图像处理中的应用，包括模糊、锐化和边缘检测。通过使用cv2.filter2D()函数与自定义卷积核，可以实现均值模糊、高斯模糊、图像锐化和边缘检测等功能。学习OpenCV需要实践与理解基本原理。

Sobel算子用于图像边缘检测，通过两个3x3核$K_x$和$K_y$近似水平和垂直方向的导数。它是可分离的，可以用两个一维卷积核计算。梯度大小和方向由L2范数和反正切函数定义。Sobel算子通过平滑处理来近似导数。Python示例展示了可分离卷积的实现，但仅适用于滤波器秩为1的情况。

本文介绍了YOLO-MS目标检测器的开发，该模型通过研究不同卷积核大小对多尺度物体检测性能的影响，显著提升了实时目标检测的特征表示。YOLO-MS在MS COCO数据集上训练，性能优于YOLO-v7和RTMDet，且无需依赖其他大规模数据集。

该文介绍了一种创新的红外和可见图像融合方法AMFusionNet，通过使用多个卷积核和注意力机制，吸收红外图像的热力细节和可见源的纹理特征，生成了丰富信息的图像。实验证明，该方法在质量和数量上优于现有算法，并在公开可用数据集上显示了显著的改进。