python对RGB图像进行卷积操作（超容易理解）

以下是具体实现代码

import numpy as np
import os
from PIL import Image
import matplotlib.pyplot as plt

#卷积函数
def conv(img, weight):  #img为输入图像 weight为卷积核
    wei_h, wei_w = weight.shape
    img_h, img_w = img.shape

    # 经滑动卷积操作后得到的新的图像的尺寸
    conv_h = img_h - wei_h + 1
    conv_w = img_w - wei_w + 1
    convimage = np.zeros((conv_h, conv_w), dtype=np.float)

    # 进行卷积操作,实则是对应的窗口覆盖下的矩阵对应元素值相乘,卷积操作
    for i in range(conv_w):     #3*3大小矩阵对应点相乘求和
        for j in range(conv_h):
            convimage[i, j] = np.sum(img[i:i + wei_h, j:j + wei_w]* weight)

    # 去掉矩阵乘法后的小于0的和大于255的原值,重置为0和255
    convimage = convimage.clip(0, 255)
    convimage = np.rint(convimage).astype('uint8')
    return convimage

if __name__ == "__main__":
    G = Image.open("CR.png")   # 读取图像数据 在本代码中读取的是与代码同个文件目录下的CR.png图片

    out_path = "./out/"
    if not os.path.exists(out_path):
        os.mkdir(out_path)              #创建路径
    graph = np.array(G)             #转换为numpy数组

    kernel = np.array(([-1, 0, 1], [-2, 0, 2], [-1, 0, 1])) # 设置卷积核
    R = conv(graph[:, :, 0], eval('kernel'))    #分三个通道进行卷积
    G = conv(graph[:, :, 1], eval('kernel'))
    B = conv(graph[:, :, 2], eval('kernel'))

    IMAGE = np.stack((R, G, B), axis=2)     #三个通道合并生成图像IMAGE
    Image.fromarray(IMAGE).save("%s//CR7.jpg" % (out_path))  #输出图片到out文件夹