好问题！ 这里的 帖子是一个很好的建议，但是您不会从中学到很多东西，因为scipy会为您完成所有工作！由于您的问题是说您想尝试编写函数 ，所以我将向您展示一些粗略而基本的手动方法，以期希望您能更好地理解卷积等背后的数学原理，然后再进行改进用自己的想法和努力！
注意：对于不同形状/大小的内核，您将获得不同的结果，高斯是通常的方法，但是您可以尝试其他一些有趣的方法（余弦，三角形等！）。我只是当场制作的，我认为它是一种金字塔形的。
import scipy.signal
import numpy as np
import matplotlib.pyplot as plt
im = plt.imread('example.jpg')
im /= 255. # normalise to 0-1, it's easier to work in float space
# make some kind of kernel, there are many ways to do this...
t = 1 - np.abs(np.linspace(-1, 1, 21))
kernel = t.reshape(21, 1) * t.reshape(1, 21)
kernel /= kernel.sum() # kernel should sum to 1! :)
# convolve 2d the kernel with each channel
r = scipy.signal.convolve2d(im[:,:,0], kernel, mode='same')
g = scipy.signal.convolve2d(im[:,:,1], kernel, mode='same')
b = scipy.signal.convolve2d(im[:,:,2], kernel, mode='same')
# stack the channels back into a 8-bit colour depth image and plot it
im_out = np.dstack([r, g, b])
im_out = (im_out * 255).astype(np.uint8)
plt.subplot(2,1,1)
plt.imshow(im)
plt.subplot(2,1,2)
plt.imshow(im_out)
plt.show()
602392714
清零编程群