如何为OpenCV的GaussianBlur自定义卷积核并支持切换不同类型核？

核心结论 #

cv.GaussianBlur() 不支持自定义卷积核，该接口是专门用于生成标准高斯模糊效果的API，只会根据你传入的核尺寸、标准差参数自动生成对应的高斯核，无法接受外部自定义的核数组，这也是你代码报错的直接原因。

替代方案 #

使用OpenCV提供的通用2D卷积接口 cv.filter2D() 即可实现任意自定义卷积核的运算，完全支持你提到的高斯核、拉普拉斯边缘检测核等所有类型的自定义核。

修正后的可运行代码 #

import cv2 as cv
import numpy as np

img = cv.imread('lena_gray.bmp')

# 自定义3x3高斯核，需要归一化保证输出图像亮度和原图一致
gauss_kernel = np.array([[1, 2, 1], [2, 4, 2], [1, 2, 1]], dtype=np.float32) / 16
# 自定义拉普拉斯边缘检测核
laplacian_kernel = np.array([[0, -1, 0], [-1, 4, -1], [0, -1, 0]], dtype=np.float32)

# 应用卷积核，ddepth=-1表示输出图像深度和输入保持一致
img_gauss = cv.filter2D(src=img, ddepth=-1, kernel=gauss_kernel)
img_laplacian = cv.filter2D(src=img, ddepth=-1, kernel=laplacian_kernel)

# 保存结果
cv.imwrite('gauss_result.jpg', img_gauss)
cv.imwrite('laplacian_result.jpg', img_laplacian)

补充说明 #

• 平滑类卷积核（所有元素求和大于0）使用前建议做归一化处理，避免输出图像亮度异常偏高。
• 边缘提取、锐化类卷积核（所有元素求和为0）无需归一化，直接传入即可得到对应效果。

内容的提问来源于stack exchange，提问作者Paulina