Python 使用水平内核进行卷积会产生奇怪的输出

所以我试着用一个3x3的水平内核执行2D图像卷积，看起来像这样

horizontal=np.array([
[0, 0, 0], 
[-1, 0, 1], 
[0, 0, 0]]),

因此，我使用下面的卷积函数，在图像中循环，从忽略前几个像素（内核大小）开始，然后相乘和相加

def执行卷积（k_h，k_w，img_h，img_w，内核，图片）：
#k_w=内核宽度，k_h=内核高度
#img_h=图像高度，img_w=图像宽度
conv=np.zero（picture.shape）
对于范围内的i（k_h，img_h-（k_h））：
对于范围内的j（k_w，img_w-（k_w））：
tot=0
对于范围内的m（k_h）：
对于范围内的n（k_w）：
tot=tot+kernel[m][n]*图片[i-（k_h）+m][j-（k_w）+n]
conv[i][j]=tot
返回转换

但是我得到的结果是，非常奇怪，如下所示

或者，通过使用PIL的内核，我得到了一个像这样的适当的模糊图像

有人能帮我找出哪里出了问题吗

我用box内核尝试了相同的函数，它运行得很好，但我不明白为什么它的输出如此奇怪

我也尝试过分离RGB波段并单独卷积它们，但没有结果

原始图像是这样的

---

如果要获得与问题中模糊图像相同的图像，则需要对代码进行以下更改，除了边缘和对角线偏移1或2像素外：

horizontal=np.array（[[0.0,0.0,0.0]，
[0.5, 0.0, 0.5], 
[0.0, 0.0, 0.0]])

此外，不适用于此内核，但如果您希望看到以前内核的更真实输出，您还需要进行以下更改：

conv[i][j]=np.clip（tot，0255）

您所使用的内核是左右像素之间的差值，对于大多数图像，该差值约为0，并且通常在一个或多个通道中下溢，导致这些通道获得类似255的值

np.clip（）

正是为了避免溢出和下溢（这不会发生在您想要的内核中，因为它是一个平均值）

更新：

您可能也需要此更改：

conv=np.zero（picture.shape，dtype=np.uint8）

如果希望获得与问题中模糊图像相同的图像，则需要对代码进行以下更改，除了边缘和对角线偏移1或2像素外：

horizontal=np.array（[[0.0,0.0,0.0]，
[0.5, 0.0, 0.5], 
[0.0, 0.0, 0.0]])

此外，不适用于此内核，但如果您希望看到以前内核的更真实输出，您还需要进行以下更改：

conv[i][j]=np.clip（tot，0255）

您所使用的内核是左右像素之间的差值，对于大多数图像，该差值约为0，并且通常在一个或多个通道中下溢，导致这些通道获得类似255的值

np.clip（）

正是为了避免溢出和下溢（这不会发生在您想要的内核中，因为它是一个平均值）

更新：

您可能也需要此更改：

conv=np.zero（picture.shape，dtype=np.uint8）

首先，您使用的过滤器是梯度过滤器，在本例中，它给出的值在[-255255]范围内。这里要考虑的要点是，你得到的价值不只是幅度，你也在填补边缘的方向。因此，为了说明这一点，您可以在另一幅图像中存储相位信息，即正值为0度，负值为180度。最后，在可视化渐变图像时，您只需查看图像的大小，就可以知道存在一个确定渐变方向的相位图像

其次，您在问题中显示的稍微平滑的图像不能使用此内核创建

---

另外，根据经验，当您想要应用平滑过滤器时，始终确保内核中所有元素的总和为1。

首先，您使用的过滤器是梯度过滤器，在这种情况下，它给出的值在[-255255]范围内。这里要考虑的要点是，你得到的价值不只是幅度，你也在填补边缘的方向。因此，为了说明这一点，您可以在另一幅图像中存储相位信息，即正值为0度，负值为180度。最后，在可视化渐变图像时，您只需查看图像的大小，就可以知道存在一个确定渐变方向的相位图像

其次，您在问题中显示的稍微平滑的图像不能使用此内核创建

---

另外，根据经验，当您要应用平滑过滤器时，始终确保内核中所有元素的总和为1。

图片是如何定义的？im=Image.open（'pp.jpg'）picture=np.array（im）@waltertross这是整数值溢出/下溢的问题，和/或图像显示的问题。与内核的卷积结果的值超出[0255]范围，您需要弄清楚如何正确存储这些值以及如何有意义地显示它们。这是否回答了您的问题？图片是如何定义的？im=Image.open（'pp.jpg'）picture=np.array（im）@waltertross这是整数值溢出/下溢的问题，和/或图像显示的问题。与内核的卷积结果的值超出[0255]范围，您需要弄清楚如何存储这些值