为何OpenCV中使用3x3核的Sobel滤波器输出尺寸与输入图像一致？

哈哈，这个问题我当初刚接触OpenCV卷积操作时也踩过一模一样的坑！其实核心原因很简单：OpenCV的cv2.Sobel()函数默认会自动给输入图像添加边界填充（padding），这就导致输出尺寸和输入完全一致，而不是你公式里计算的“输入尺寸 - 核尺寸 +1”。

具体原因拆解： #

你提到的公式output = input - kernel_size // stride + 1（默认stride为1），对应的是没有边界填充的卷积场景——这种情况下，图像边缘的像素因为无法完整覆盖3x3的核，会被直接丢弃，所以输出会比输入小一圈（3x3核的话就是小2个像素，比如736→734）。

但OpenCV的Sobel函数默认采用了cv2.BORDER_DEFAULT的填充策略，它会自动在图像的上下左右各填充1层像素（对于3x3核，填充层数是(ksize-1)//2 = 1）。填充后的图像尺寸变成736+2*1=738，再经过3x3核卷积后，输出尺寸就是738-3+1=736，刚好和原始输入尺寸一致。

这么做的目的是保留图像的边缘信息——如果不填充，图像边缘的细节会直接丢失，对于主打边缘检测的Sobel算子来说，这显然是不合理的。

如何得到你预期的“缩小版”输出？ #

如果你确实想要和手动卷积一样的小尺寸结果，最直接的方法是手动裁剪输出图像：直接去掉输出图像最外层的一圈像素，这部分就是填充带来的额外内容。比如在你的代码里，计算完edge_magnitude后加上裁剪步骤：

# 裁剪掉边缘一圈，得到无填充的卷积结果
edge_magnitude_cropped = edge_magnitude[1:-1, 1:-1]
# 再进行后续的像素值裁剪和类型转换
edge_magnitude_cropped = np.clip(edge_magnitude_cropped, 0, 255).astype(np.uint8)

这样输出的尺寸就会变成736-2=734，和你手动计算的结果一致。

补充说明： #

你手动卷积得到更小尺寸，是因为你只处理了那些能让3x3核完全覆盖的像素（也就是从第2个到倒数第2个像素），相当于自动忽略了边缘；而OpenCV帮你通过填充补全了边缘区域的计算，所以保留了原始图像的完整尺寸。

备注：内容来源于stack exchange，提问作者ashna a