如何用5×5核遍历图像并输出滤波后的像素值数组（Python）

要实现和cv2.filter2D一致的遍历逻辑，同时将每次核处理的结果存入kernel_vals数组，需要明确两个关键点：边界填充处理（cv2.filter2D默认会自动填充边界以保证输出尺寸和输入一致）和互相关运算（OpenCV的滤波本质是互相关而非严格卷积，对于全1核来说结果无差异，但逻辑上要对齐）。

实现步骤与代码 #

import numpy as np
import cv2

# 示例输入：100×100的灰度图（可替换为你的实际图像）
image = np.random.randint(0, 256, (100, 100), dtype=np.uint8)
# 定义5×5均值核
kernel = np.ones((5, 5), np.float32) / 25

# 初始化存储结果的数组
kernel_vals = []

# 计算核的半径，用于边界填充（5×5核的半径为2）
pad_radius = (kernel.shape[0] - 1) // 2
# 对图像做边界填充，匹配cv2.filter2D默认的BORDER_REFLECT_101规则
padded_img = cv2.copyMakeBorder(image, pad_radius, pad_radius, pad_radius, pad_radius, cv2.BORDER_DEFAULT)

# 遍历原始图像的每个像素位置（对应filter2D输出的每个像素）
for y in range(image.shape[0]):
    for x in range(image.shape[1]):
        # 从填充后的图像中提取当前位置对应的5×5图像块
        img_patch = padded_img[y:y+kernel.shape[0], x:x+kernel.shape[1]]
        # 计算互相关：图像块与核逐元素相乘后求和
        pixel_val = np.sum(img_patch.astype(np.float32) * kernel)
        # 转换回原图像的数据类型（如果输入是uint8则取整）
        pixel_val = np.uint8(pixel_val) if image.dtype == np.uint8 else pixel_val
        # 计算当前迭代的索引（行优先）
        iter_idx = y * image.shape[1] + x
        # 按要求格式存入数组：[[迭代索引], [处理后的像素值]]
        kernel_vals.append(np.array([[iter_idx], [pixel_val]]))

# 验证结果与cv2.filter2D一致性
filtered_img = cv2.filter2D(image, -1, kernel)
# 随机取一个位置验证，比如(10,10)
print(filtered_img[10,10] == kernel_vals[10*100+10][1][0])  # 输出True表示一致

关键细节说明 #

• 边界填充：cv2.filter2D默认使用BORDER_REFLECT_101（即边界像素对称反射，不重复边界值），手动实现时必须用同样的填充规则，否则边缘区域的结果会和filter2D输出不一致。
• 索引计算：采用行优先的索引方式，第y行第x列的像素对应的迭代索引为y*100 + x，覆盖0到9999的所有迭代（对应100×100的输出图像）。
• 数据类型转换：输入图像通常是uint8类型，计算时先转为float32避免溢出，结果再转回原类型，和cv2.filter2D的行为对齐。

若仅需有效区域（无边界填充） #

如果不需要处理边缘，只保留核完全覆盖图像的有效区域（输出尺寸为96×96），可以去掉边界填充步骤，修改遍历范围：

output_h = image.shape[0] - kernel.shape[0] + 1
output_w = image.shape[1] - kernel.shape[1] + 1

for y in range(output_h):
    for x in range(output_w):
        img_patch = image[y:y+5, x:x+5]
        pixel_val = np.sum(img_patch.astype(np.float32) * kernel)
        pixel_val = np.uint8(pixel_val) if image.dtype == np.uint8 else pixel_val
        iter_idx = y * output_w + x
        kernel_vals.append(np.array([[iter_idx], [pixel_val]]))

内容的提问来源于stack exchange，提问作者Zachary Partlo