Image processing 图像过滤-错误的结果？

在本例中，我正在尝试使用用户提供的掩码卷积图像

u = array([[-2,-2,-2],[-2,25,-2],[-2,-2,-2]])/9

使用命令

In[1]:  import scipy.ndimage as ndi
In[2]:  import skimage.io as io 
In[3]:  c = io.imread('cameraman.png')
In[4]:  cu = ndi.convolve(c,u)
In[5]:  io.imshow(cu)

我正在对照GNU八度音阶中的命令进行检查：

Octave-3.8: 1> c = imread('cameraman.png');
Octave-3.8: 2> u = [-2 -2 -2;-2 25 -2;-2 -2 -2]/9
Octave-3.8: 3> cu = imfilter(c,u)
Octave-3.8: 4> imshow(cu)

但事情是这样的：Octave似乎给出了正确的结果，但Python没有，即使命令convolve和imfilter应该实现相同的算法。事实上，imfilter执行一个相关，在这种情况下，它与卷积相同

倍频程输出为：

!

Python的输出是：

!

---

正如你所看到的，这和倍频程的结果非常不同。有人知道这里发生了什么吗？或者，使用用户提供的线性滤波器进行卷积比使用卷积更好吗？

问题可能是卷积导致图像亮度值超出范围。我在Matlab~=倍频程中运行了下面的示例，对于初始灰度值为0-255的图像，在归一化范围[0,0.99]内，结果以范围[-0.88,2.03]内的像素结束

>> img=double(imread('cameraman.tif'))./255;
>> K=[-2 -2 -2 ; -2 25 -2; -2 -2 -2]/9;
>> out=conv2(img,K,'same');
>> max(max(out))

ans =

    2.0288

>> min(min(out))

ans =

   -0.8776

---

可能是Python在可视化灰度值超出255范围的图像时遇到问题，这会导致值被钳制，从而导致这些区域出现黑/白光晕。也许倍频程在显示图像之前会使图像正常化，从而产生少量瑕疵。如果在显示图像之前用Python对其进行标准化，是否仍然存在此问题？

Python 2或Python 3？在Python2中，u=array[[-2，-2，-2]，-2,25，-2]，-2，-2]]/9使用整数除法。将9更改为9.0，或从文件顶部的_ufuture _uu导入分部添加。感谢您的回复！-但事实上，我使用的数组的定义方式是浮点型的——为了便于解释，我在上面就是这样描述的。即使按照您的建议使用9.0也不会改变输出。我正在使用Python2.7。在调用ndi.convalve之前，尝试将图像转换为浮点；e、 g.cu=ndi.convolvec.astypefloat，u。我得到了一些不同的结果，但是它看起来和你的倍频程输出不一样。有一件事似乎是可行的：按照你说的，用float类型的图像进行卷积，然后用imshowcu/255，cmap=cm.gray，vmax=1.0，vmin-0.0设置vmax和vmin来显示结果。是的，我也想到了这一点。我已经尝试过先将图像转换为float32进行卷积，在这种情况下，max和min分别为517.3333和-223.7778，它们只是您的值乘以255。转换为uint8以使用cu2=uint8255*cu-cu.min/cu.max-cu.min进行显示会导致非常褪色的图像，亮度范围较低。我刚刚将我的库numpy、scipy和scikit映像升级到它们的最新版本，这个问题仍然存在。