2D高斯核代码排查：3x3核结果与预期不符，需贴合公式修正

问题根源 #

你代码的核心错误是对二维高斯公式的误用：你计算了像素到中心的距离dst，然后用(dst - muu)代入指数，但标准二维高斯公式需要对x、y两个维度分别计算与对应均值的差的平方和，而非用距离去减均值。

标准二维高斯公式（均值为(μᵪ, μᵧ)，标准差为σ）：

G(x,y) = (1/(2πσ²)) × exp( -[(x-μᵪ)² + (y-μᵧ)²]/(2σ²) )

你的代码错误地将公式中的(x-μᵪ)² + (y-μᵧ)²替换成了(√(x²+y²) - μ)²，这在μ≠0时完全偏离公式，即使μ=0，逻辑上也不符合二维高斯的定义，这就是3×3核结果不符的原因。

修正后的代码 #

以下是贴合原始公式的修正版本，保留你原有的参数设计：

import numpy as np

# sigma(standard deviation) and muu(mean) are the parameters of gaussian
def gkern(kernel_size, sigma=1, muu=0):
    # 生成x,y网格，覆盖从-(kernel_size-1)/2到(kernel_size-1)/2的范围
    x, y = np.meshgrid(
        np.linspace(-(kernel_size - 1)/2., (kernel_size - 1)/2., kernel_size),
        np.linspace(-(kernel_size - 1)/2., (kernel_size - 1)/2., kernel_size),
    )

    # 按照二维高斯公式计算指数部分
    exponent = -((x - muu)**2 + (y - muu)**2) / (2.0 * sigma**2)
    # 归一化系数
    normal = 1/(2.0 * np.pi * sigma**2)
    # 计算高斯核
    gauss = np.exp(exponent) * normal
    
    # 如果你需要归一化（核元素总和为1，图像处理常用），取消下面一行注释
    # gauss = gauss / np.sum(gauss)
    
    return gauss

关键修正点 #

1. 移除了错误的距离计算dst = np.sqrt(x**2+y**2)，直接使用x、y坐标计算平方和，严格遵循二维高斯公式。
2. 保留了你原有的muu参数，它现在正确对应x和y方向的均值（通常设为0，对应核的中心）。
3. 可选的归一化步骤：如果你的预期是总和为1的高斯核（比如常见的图像处理用核），取消最后一行注释即可。

验证3×3核 #

当kernel_size=3、sigma=1且未归一化时，修正后的核结果为：

[[0.02419707 0.03989423 0.02419707]
 [0.03989423 0.06694068 0.03989423]
 [0.02419707 0.03989423 0.02419707]]

如果开启归一化，结果会变为总和为1的版本，和你提供的现成代码输出一致。

内容的提问来源于stack exchange，提问作者sirj