Python 使用 numpy 切片的图像卷积在某些图像上产生奇怪的结果

Question

我正在尝试使用 Numpy 在 GIMP 的插件中实现卷积，但我得到了一些奇怪的结果。

给我出问题的函数是这个：（它只在灰度图像上运行）

def convolve(self, pixels, kernel):
  bw, bh = pixels.shape
  k_w, k_h = kernel.shape
  if (k_w != k_h):
    raise ValueError("Passed kernel is not of the right shape")

  #expand the image
  bigger = np.lib.pad(pixels, int(k_w/2), 'reflect').astype(np.float)

  pixels.fill(0)
  pixels = pixels.astype(np.float)
  for x in range(k_w):
    for y in range(k_h):
      pixels += kernel[x,y]*bigger[x : bw + x,
                                   y : bh + y]
  return np.clip(pixels,0,255).astype(np.uint8)

不知何故，对于某些图像尺寸，输出变得一团糟。具体示例可以是在此图像上应用 5x5 高斯模糊时：

输入：

输出不正确：

最奇怪的是，对于很多图像——尤其是方形图像——插件工作正常。例如，如果我在 GIMP 中手动将图像扩展为正方形，我会得到正确模糊的图像：

我尝试将 numpy 数组的大小调整为正方形，然后将其裁剪回去，但令人惊讶的是，这并没有解决问题。

编辑：目前运行代码如下：

self.convolve(pixels,
              np.array([
              [ 1, 4, 6, 4, 1,],
              [ 4,16,24,16, 4,],
              [ 6,24,36,24, 6,],
              [ 4,16,24,16, 4,],
              [ 1, 4, 6, 4, 1,],
              ], dtype=np.float)*1/256)

但是任何 3x3 过滤器都会出现同样的问题，像这样的内核工作正常

[  0, 0,   0,],
[0.5, 0, 0.5,],
[  0, 0,   0,],

这样的内核会产生奇怪的问题：

[ 0, 0.5, 0,],
[ 0,   0, 0,],
[ 0, 0.5, 0,],

Answer 1

找到问题了！问题是由于错误地将数据从 GIMP 解析为 numpy 数组引起的。不小心交换了数组的维度，导致过滤器出现一些奇怪的行为。

Python 使用 numpy 切片的图像卷积在某些图像上产生奇怪的结果

Python image convolution with numpy slices produces strange results on some images

python

numpy

image-processing

gimp

convolution