自定义卷积图像滤波结果与Pillow差异过大的排查求助

• 卷积核方向不匹配
  Scipy的convolve2d执行标准卷积，会先翻转卷积核（水平+垂直方向各翻转一次）；而Pillow的ImageFilter.Kernel执行的是互相关运算，直接使用原核计算，不会翻转。
  你的核C结构为：

  [[ 0  0  0]
   [-1  0  1]
   [ 0  0  0]]
  

  经过convolve2d翻转后，实际参与计算的核变为：

  [[ 0  0  0]
   [ 1  0 -1]
   [ 0  0  0]]
  

  与Pillow使用的原核完全相反，导致计算结果互为相反数。这就是你观察到“多数元素和为256”的原因——负数转uint8时会溢出（例如-5转uint8得到251，251+5=256）。

• 数值溢出与截断逻辑差异
  你将图像转为0-1浮点数做卷积，结果包含正负值。直接乘255转uint8时，负数会按无符号整数规则溢出；而Pillow处理整数图像卷积时，会自动将结果截断到0-255范围（负数置0，超255置255），进一步放大了结果差异。

• 修复验证步骤

  1. 对齐运算逻辑：用Scipy的correlate2d替代convolve2d，它不翻转核，和Pillow的互相关逻辑一致。
  2. 处理数值范围：卷积后将结果截断到0-1区间，避免溢出：

     im_conv = np.clip(convolve2d_color(C, im_arr), 0, 1)
     

  3. 统一边界处理：Pillow默认使用EDGE填充（复制边缘像素），你当前用的是fill=0，可将correlate2d的边界参数改为'edge'对齐：

     result[:, :, i] = correlate2d(B[:,:, i], A, 'same', 'edge')
     

修改后的核心代码示例：

from scipy.signal import correlate2d

def convolve2d_color(A,B):
    result = np.zeros(B.shape)
    for i in range(3):
        result[:, :, i] = correlate2d(B[:,:, i], A, 'same', 'edge')
    return result

# ... 读取图像等代码 ...

im_conv = convolve2d_color(C, im_arr)
im_conv = np.clip(im_conv, 0, 1)
im_output = Image.fromarray(np.uint8(im_conv*255), mode="RGB")

内容的提问来源于stack exchange，提问作者mathdoge