Python 如何正确应用带有卷积层的3x3滤波器？

我试图将一个简单的拉普拉斯滤波器（3x3）应用于图像，但得到的输出非常嘈杂

import tensorflow as tf
import PIL.Image as pil
import numpy as np

k = tf.constant([[1, 1, 1],[1, -8, 1],[1, 1, 1]], dtype=tf.float32)

image = tf.placeholder(dtype=tf.float32, shape=[None, None, None, 1])

kernel = tf.reshape(k, [3, 3, 1, 1], name='kernel')

res = tf.squeeze(tf.nn.conv2d(image, kernel, [1, 1, 1, 1], "SAME"))
with tf.Session() as sess:
    img = pil.open('grey.png')
    array = np.asarray(img).reshape(1, img.size[0], img.size[1], 1)

    out = sess.run(res, feed_dict={image:array})
    reverted = ((pil.fromarray(np.uint8(out))).convert('L')).save('testing.png')

---

卷积应用正确。问题在于图像反向转换。也就是说，你应用一个带有一些负值的过滤器，中间的<强> -8 < /强>。这意味着许多卷积像素将有一个负的结果值，然后在完成后将其转换为

np.uint8

。因此，-1将变为255，因此1和-1将具有与之相关的截然不同的光值。这导致了这种模式

更改以下两行：

array = np.asarray(img, dtype = np.float32 ).reshape(1, img.size[0], img.size[1], 1) / 2

及

你会得到一个有意义的图像。当然，您可能会想出更好的方法来处理负值，将原始像素强制转换为[0127.5]，然后将128添加到结果中是一个快速而肮脏的解决方案，但它解决了问题。您确实需要考虑这一点，因为如果中间像素为零，而其他像素具有重要值，也可能会出现溢出

使用更改后的代码，Angelina Jolie的随机图像会产生以下结果：

---

卷积应用正确。问题在于图像反向转换。也就是说，你应用一个带有一些负值的过滤器，中间的<强> -8 < /强>。这意味着许多卷积像素将有一个负的结果值，然后在完成后将其转换为

np.uint8

。因此，-1将变为255，因此1和-1将具有与之相关的截然不同的光值。这导致了这种模式

更改以下两行：

array = np.asarray(img, dtype = np.float32 ).reshape(1, img.size[0], img.size[1], 1) / 2

及

你会得到一个有意义的图像。当然，您可能会想出更好的方法来处理负值，将原始像素强制转换为[0127.5]，然后将128添加到结果中是一个快速而肮脏的解决方案，但它解决了问题。您确实需要考虑这一点，因为如果中间像素为零，而其他像素具有重要值，也可能会出现溢出

使用更改后的代码，Angelina Jolie的随机图像会产生以下结果：