由于问题和当前答案中没有出现线性一词，因此让我提供一个补充的观点。

这种接受中的内核（特别是对于并不总是遵循线性规则的图像，考虑遮挡或饱和）是一个以某种方式应用于任何输入数据的数组。人们经常区分线性和非线性内核（因为一个具有线性和非线性滤波器，即使术语可能看起来不合适）。

让我们从最具体意义上的线性观点开始：滤波器阵列作为卷积应用。那么@MarcusMuller 的答案是完美的：一组线性滤波器，作为卷积应用于输入数据以产生几个单独的输出数据。输出上的大多数附加标量线性运算（如求和、平均值、加权组合）将是“无用的”：当它们通勤时，对输出求和相当于在一个滤波器中对三个滤波器求和，并且只执行一个对数据进行卷积。

这使我们回到了您评论的目标；传统上，线性（分析，我稍后会回来）滤波器组（FB）用于将数据拆分或分离成组件，通常具有单独的光谱或更窄的o内容（低，中或高频）三波段滤波器组）。或者将不同的数据流合并到其他数据流中，范围更广。因此，通用的多输入多输出 (MIMO) FB 采用一个或多个输入，将它们过滤成一个或多个输出。然后区分分析或合成滤波器组。

通常，重新组合分析 FB 的输出会偏离分离目标。但是单个过滤器也是一个过滤器组（虽然本身不​​是很有趣）。但有时，这可能更有效（例如在计算上）。

现在，具有更窄/更宽的输出会导致速率变化，例如在滤波器之前或之后进行下采样和上采样。对我来说，滤波器组最被接受的意义是一组线性滤波器，可选地与（线性，但不是移位不变的）上采样或下采样操作相结合。它在某种程度上与线性变换有关，允许对系数的数量进行扩展或收缩（它们可能是关键的、过采样或欠采样的）。

然后，人们将这个概念扩展到非线性：滤波器可以是非线性的（如中值），并且内核被解释为应用于数据块的权重。或者数据可以以非线性方式组合，与$\min$,$\max$, AND 或 OR...

但在你的情况下，正如马库斯所说，我打赌三个标准过滤输出。但是在这种情况下，滤波器之间没有关系（除了它们的内核大小），滤波器组理论中强大的是滤波器之间的联系，以及如何优化它们。现在有几个指针：

• 过滤器组（维基百科）
• 什么是滤波器组？
• 多速率滤波器组和多维方向滤波器组

过滤器组实际上就是它所说的：

一组滤波器，每个滤波器都应用于信号。

因此，一个信号输入（信号=图像），三个信号输出。您分别应用每个内核并且不组合任何东西。