为何模糊矩阵滤镜未实现图片模糊效果反而使图片变暗？

你的代码没有实现真正的卷积操作，这是导致图片变暗的核心原因。当前逻辑只是将单个像素与kernel的某个位置元素相乘后除以9，没有对目标像素的邻域像素进行加权求和，完全不符合模糊卷积的原理。

具体问题点 #

1. 卷积逻辑错误：模糊卷积需要对每个像素的3x3邻域（对应3x3 kernel）内的所有像素与kernel对应位置相乘后求和，而不是仅用当前像素和kernel的某一点计算。
2. kernel定义混乱：new_kernel[2]=3会将kernel的第三行（索引2）所有通道的值设为3，覆盖了之前的new_kernel[2,1]=2，导致权重分布完全不符合模糊需求。
3. 权重未归一化：即使kernel正确，若权重总和不为1，也会导致图片过亮或过暗。

修复后的代码 #

import numpy as np
import matplotlib.pyplot as plt

def convolve(image, kernel):
    # 获取图片和kernel的尺寸
    img_h, img_w, img_c = image.shape
    kernel_h, kernel_w, kernel_c = kernel.shape
    
    # 计算padding大小（保持输出图片尺寸与输入一致）
    pad_h = kernel_h // 2
    pad_w = kernel_w // 2
    
    # 创建带padding的图片，边缘用0填充（也可以用复制边缘等方式）
    padded_img = np.pad(image, ((pad_h, pad_h), (pad_w, pad_w), (0, 0)), mode='constant')
    
    final_img = np.empty_like(image)
    
    # 遍历每个像素
    for y in range(img_h):
        for x in range(img_w):
            for c in range(img_c):
                # 取当前像素的邻域
                neighborhood = padded_img[y:y+kernel_h, x:x+kernel_w, c]
                # 卷积计算：邻域与kernel对应通道相乘后求和
                final_img[y, x, c] = np.sum(neighborhood * kernel[:, :, c])
    
    # 确保像素值在0-255范围内（如果输入是uint8类型）
    final_img = np.clip(final_img, 0, 255).astype(np.uint8)
    return final_img

# 定义正确的模糊kernel（3x3高斯模糊近似，权重总和为16，需归一化）
new_kernel = np.zeros((3,3,3))
# 高斯模糊权重分布（单通道）
kernel_single = np.array([
    [1, 2, 1],
    [2, 4, 2],
    [1, 2, 1]
])
# 将单通道权重复制到三个颜色通道
for c in range(3):
    new_kernel[:, :, c] = kernel_single

# 归一化kernel，确保权重总和为1
kernel_sum = np.sum(new_kernel[:, :, 0])
new_kernel /= kernel_sum

# 假设image是已加载的猫咪图片（比如用plt.imread加载）
# image = plt.imread('cat.jpg')
plt.imshow(convolve(image, new_kernel))
plt.show()

关键修复说明 #

• 正确实现卷积：通过padding处理边界，对每个像素的邻域进行加权求和，这是模糊效果的核心。
• 规范kernel定义：使用标准的3x3高斯模糊权重，复制到所有颜色通道，保证色彩一致性。
• 权重归一化：将kernel权重除以总和，确保输出像素值不会超出正常范围，避免过亮或过暗。

内容的提问来源于stack exchange，提问作者liatkatz