使用3x3锐化核处理图像产生不规则像素 与cv2.filter2D结果不一致

核心错误原因 #

1. 像素值范围未做钳位处理：3x3锐化核卷积计算得到的temp值很容易超出8位灰度图的合法取值范围[0,255]。你代码中image和image_sharp都是uint8类型，直接把超出范围的数值赋值给uint8变量时会发生数值回卷：比如256会变成0，-3会变成253，这就是你观察到大量突兀异常像素的根本原因。
   cv2.filter2D使用默认参数ddepth=-1时，会自动对卷积结果做钳位操作，小于0的值强制设为0，大于255的值强制设为255，因此输出结果正常。
2. 你当前的边界处理逻辑是忽略图像外的卷积核位置，等价于零填充，和cv2.filter2D默认的边缘复制填充有差异，但这只会影响图像边缘1个像素的效果，不是导致大面积异常的原因。

修复方法 #

只需要在给image_sharp赋值前，对temp做钳位即可，修改循环内的赋值逻辑：

# 新增：将计算结果钳位到0-255范围内
temp = max(0, min(255, temp))
# 也可以用numpy的clip方法：temp = np.clip(temp, 0, 255)
image_sharp[pr][pc][0] = temp
image_sharp[pr][pc][1] = temp
image_sharp[pr][pc][2] = temp

如果要完全对齐cv2.filter2D的效果，还可以做两处优化：

• 读入图像后先转成float32类型做计算，避免中间累加过程就发生uint8溢出：

image = cv2.imread('D:/PythonLab/resources/BlackWhite.jpg', flags=cv2.IMREAD_COLOR).astype(np.float32)

• 把边界处理逻辑改成边缘复制填充，和OpenCV默认行为一致。

内容的提问来源于stack exchange，提问作者Alex Frost