from PIL import Imageimport numpy as npimport matplotlib.pyplot as pltdef main():    im = Image.open("D:\\temp\\img\\bw.jpg")    res=conv2(im,kv).astype(dtype="uint8")    print(res)    img2=Image.fromarray(res)    img2.show()#计算结果可能不在[0,255]之间def Relu2(a):    if a<0:        return 0    if a>255:        return 255#被卷积的图片，卷积核def conv2(im,kk):    matrix = np.asarray(im)    m1 = matrix[:, :, 0]    m2 = matrix[:, :, 1]    m3 = matrix[:, :, 2]    matrix1=conv(m1,kk)    matrix2=conv(m2,kk)    matrix3=conv(m3,kk)    return np.dstack((matrix1,matrix2,matrix3))#整体边缘滤波器ke=np.array([    [0,-4,0],[-4,16,-4],[0,-4,0]])#水平边缘滤波器kh=np.array([    [1,2,1],[0,0,0],[-1,-2,-1]])#垂直边缘滤波器kv=np.array([    [1,0,-1],[2,0,-2],[1,0,-1]])#被卷积一维矩阵，卷积核def conv(mx,kmx):    v1=mx.shape[0]    v2=mx.shape[1]    kv1=kmx.shape[0]    kv2=kmx.shape[1]    l1=v1-kv1    l2=v2-kv2    res=np.zeros((l1,l2))    for i in range(l1):        for j in range(l2):            res[i][j]=Relu2((mx[i:i+kv1,j:j+kv2]*kmx).sum())    return resmain()

图像读出来是个三维矩阵，对每个通道使用不同卷积核卷积，观察效果

 

效果：

整体边缘滤波器：

水平边缘滤波器：

垂直边缘滤波器：