如何用NumPy、SciPy或Scikit-image实现3x3窗口的2D均值滤波？

首先，你使用np.average的方式并不适用于2D滑动窗口均值滤波——该函数的weights参数在输入数组与权重数组形状不同时，仅支持一维权重，它的设计目标并非实现滑动窗口式的滤波操作。

NumPy实现2D均值滤波的方法 #

NumPy本身没有内置的滑动窗口均值滤波函数，但可以通过np.lib.stride_tricks.sliding_window_view（NumPy 1.20及以上版本支持）手动构造滑动窗口，再计算均值：

import numpy as np

a = np.arange(25).reshape(5, 5)
# 生成所有3x3的滑动窗口
windows = np.lib.stride_tricks.sliding_window_view(a, window_shape=(3, 3))
# 对每个窗口的所有元素求均值，得到3x3的滤波结果
filtered = windows.mean(axis=(2, 3))

上述代码会截断原矩阵的边缘（5x5矩阵滑3x3窗口后得到3x3结果），如果需要保留原矩阵尺寸，可以先用np.pad对原矩阵进行边缘填充，比如：

# 用0填充边缘，填充后矩阵为7x7
padded_a = np.pad(a, pad_width=1, mode='constant', constant_values=0)
windows = np.lib.stride_tricks.sliding_window_view(padded_a, window_shape=(3, 3))
filtered = windows.mean(axis=(2, 3))  # 结果为5x5，与原矩阵尺寸一致

SciPy的实现方案 #

SciPy的scipy.ndimage.uniform_filter是专门用于均值滤波的函数，使用非常简便，还支持多种边缘填充模式：

from scipy.ndimage import uniform_filter

a = np.arange(25).reshape(5, 5)
# 3x3窗口均值滤波，默认用0填充边缘，可通过mode参数调整
filtered = uniform_filter(a, size=3)
# 示例：使用反射模式填充边缘
filtered_reflect = uniform_filter(a, size=3, mode='reflect')

mode参数可选值包括'constant'（默认，常数填充）、'reflect'（边缘反射）、'nearest'（最近邻填充）等。

Scikit-image的实现方案 #

Scikit-image提供了多个可用于均值滤波的函数：

1. box_filter：适合浮点型输入，支持归一化（即均值滤波）：

from skimage.filters import box_filter

a = np.arange(25).reshape(5, 5)
# size指定窗口大小，normalize=True表示计算均值
filtered = box_filter(a, size=3, normalize=True)

2. rank.mean：适合处理整数类型的图像数据，需要配合结构元素使用：

from skimage.filters.rank import mean
from skimage.util import img_as_ubyte

a = np.arange(25).reshape(5, 5)
# 将数组转换为uint8类型（rank类函数要求输入为整数类型）
a_ubyte = img_as_ubyte(a / a.max())
# 用3x3的全1结构元素做均值滤波
filtered = mean(a_ubyte, np.ones((3, 3)))

内容的提问来源于stack exchange，提问作者Paul Jurczak