高斯滤波处理图像后直方图出现空洞是否正常？如何平滑直方图？

首先可以肯定地说：这种直方图空洞的现象是完全正常的，下面我来拆解原因，再给出几种实用的平滑方案。

为什么会出现直方图空洞？ #

高斯模糊的本质是对图像像素做邻域加权平均，而你代码里的操作流程放大了灰度值的"丢失"：

• 原始图像是0-255的整数型uint8，你先把它归一化到[0,1]的浮点范围，模糊后再还原回[0,255]，最后通过np.round和astype(np.uint8)取整。
• 这个过程中，很多原始的离散灰度值经过加权平均后，取整会落到某些特定灰度级，而中间的一些灰度级没有对应的像素，自然就会在直方图上形成空洞。
• 举个简单例子：如果两个相邻的灰度值100和102，模糊后的加权平均是101.2，取整后是101；但如果没有其他像素模糊后落到103，那103这个灰度级就会在直方图上出现空白。

如何平滑直方图？ #

这里有几种针对性的方法，你可以根据需求选择：

1. 减少精度损失（推荐） #

你的代码里过早的取整操作是空洞的核心诱因之一。可以调整流程，尽量晚地做整数转换：

# 修改后的模糊流程
image_blurred = gaussian_filter(image.astype(np.float32)/255, sigma=3)
# 先映射回0-255范围，再做裁剪和类型转换（避免溢出）
image_blurred_8bit = np.clip(image_blurred * 255, 0, 255).astype(np.uint8)

这样处理后，8位图像的直方图空洞会明显减少，同时不会破坏模糊效果。

2. 直方图均衡化 #

直方图均衡化可以拉伸图像的灰度分布，填充空洞的同时增强对比度，不过会改变图像的整体亮度风格：

from skimage.exposure import equalize_hist

# 对模糊后的图像做均衡化处理
image_eq = equalize_hist(image_blurred_8bit)
image_eq_8bit = (image_eq * 255).astype(np.uint8)
# 此时绘制直方图，空洞会被有效填充

3. 添加微小高斯噪声 #

给模糊后的图像加极少量的高斯噪声，能让空洞的灰度级被"填补"，同时不会明显影响图像的模糊质感：

# 添加均值0、标准差0.5的高斯噪声（数值可按需调整）
noise = np.random.normal(0, 0.5, image_blurred.shape)
image_noisy = np.clip(image_blurred * 255 + noise, 0, 255).astype(np.uint8)

这种方法适合不想改变图像对比度，只希望平滑直方图的场景。

4. 直接平滑直方图数据 #

如果不需要修改图像本身，只是想让直方图显示更平滑，可以直接对直方图数组做高斯滤波：

# 获取模糊图像的直方图数据
hist, bins = np.histogram(image_blurred_8bit.ravel(), 256, density=True)
# 对直方图做高斯平滑
smoothed_hist = gaussian_filter(hist, sigma=1)
# 绘制平滑后的直方图
plt.plot(bins[:-1], smoothed_hist)

内容的提问来源于stack exchange，提问作者Lin