OpenCV手动实现高斯差分(DoG)与skimage结果不一致问题咨询

• 核心错误：自定义高斯滤波函数硬编码了3x3卷积核
  你封装的gaussianFilter固定传入ksize=(3,3)，而OpenCV的cv2.GaussianBlur逻辑为：若传入的ksize参数非0，会严格使用指定尺寸的卷积核，不会随sigma值调整核大小。3x3的核最多只能容纳sigma≈1的高斯分布有效权重，当传入sigma=10时，高斯分布的绝大部分权重都落在3x3邻域外，无论怎么调大sigma，实际平滑效果都被限制在3x3范围内，自然参数调整时结果变化极小。
• 数值截断问题
  OpenCV默认读取的图像为uint8类型（值域0~255），直接调用cv2.subtract做差时，所有小于0的差值会被截断为0，大于255的差值会被截断为255；而skimage的difference_of_gaussians默认会先将输入转为浮点型计算，输出保留全部正负差值，不存在截断，二者数值范围差异极大。
• 做差顺序不匹配
  skimage内置DoG接口的计算逻辑是低sigma高斯模糊结果减去高sigma高斯模糊结果，你的实现是高sigma结果减低sigma结果，输出响应的正负完全相反，也会造成视觉效果差异。

实现时需要注意三个关键点：

1. 不硬编码卷积核尺寸，调用cv2.GaussianBlur时传入ksize=(0,0)，让OpenCV根据sigma自动计算能覆盖绝大多数高斯权重的核尺寸，保证滤波精度
2. 计算前先将输入转为浮点类型，避免uint8类型的数值截断
3. 对齐做差顺序，和skimage逻辑保持一致

参考实现代码：

import cv2
import numpy as np

def gaussianFilter(img, sigma):
    # ksize传(0,0)，自动根据sigma计算核大小
    return cv2.GaussianBlur(img, ksize=(0, 0), sigmaX=sigma, sigmaY=sigma)

def differenceOfGaussianFilter(img, low_sigma=1, high_sigma=10):
    # 转浮点型避免截断
    img_float = img.astype(np.float32)
    blur_low = gaussianFilter(img_float, low_sigma)
    blur_high = gaussianFilter(img_float, high_sigma)
    # 低sigma结果减高sigma结果，和skimage逻辑对齐
    return blur_low - blur_high

如果需要将结果转为可直接显示的uint8格式，不要直接强转类型，使用归一化映射到0~255范围即可：

dog_result = differenceOfGaussianFilter(img)
# 归一化到0-255用于可视化
dog_vis = cv2.normalize(dog_result, None, 0, 255, cv2.NORM_MINMAX, dtype=cv2.CV_8U)

两种实现的效果对比：

内容的提问来源于stack exchange，提问作者FloF5ve