cv2.filter2d本身不糊，糊是因为卷积核未归一化或尺寸过大；需手动除以核面积（如5×5核除以25），核尺寸建议3×3–15×15，ddepth和delta参数需按需求设置，输入uint8含负数时应选cv2.cv_16s并转回。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
cv2.filter2D 怎么调参才不糊成一片
直接说结论：cv2.filter2D 本身不糊，糊是因为你给的卷积核（kernel）没归一化，或者尺寸太大没缩放。OpenCV 默认不做归一化，所有像素值直接累加，溢出就截断——结果就是一片白、黑或灰蒙蒙。
常见错误现象：cv2.filter2D 输出全是 0 或 255，图像细节全丢；滤镜看着“发肿”“晕开”，其实是响应过强。
- 必须手动归一化：如果想做均值模糊，别只写
np.ones((5,5))，得除以25.0（即5*5） - 核尺寸建议控制在
3x3到15x15之间；超过31x31不仅慢，还容易因浮点误差导致边缘异常 -
delta参数常被忽略——它是在卷积后统一加的偏移量，适合做高斯锐化（负 delta 抑制低频） - 注意
ddepth：设为-1表示保持原图深度；但输入是uint8时，若 kernel 含负数（如拉普拉斯），必须设cv2.CV_16S再转回uint8，否则负值全变 0
用 cv2.Laplacian 做锐化为什么越锐越脏
因为 cv2.Laplacian 是二阶微分算子，对噪声极度敏感——图像里一点 JPEG 压缩噪点、传感器热噪，都会被放大成刺眼白点。
使用场景：只适合已预处理的干净图；真实相机流或手机直出图，必须先降噪再锐化。
- 永远先套一层
cv2.GaussianBlur（比如(3,3)核），再送进cv2.Laplacian -
ksize必须是奇数且 ≤ 31；设为1实际走的是优化路径，但数值不稳定，别用 - 输出类型务必设
cv2.CV_16S，之后用cv2.convertScaleAbs转回uint8，否则负值丢失 - 锐化强度靠叠加比例控制：原始图 × 0.8 + 拉普拉斯图 × 0.2，比直接加更可控
自定义滤镜用 cv2.filter2D 还是手写 for 循环
99% 的情况用 cv2.filter2D，手写循环是自找麻烦。OpenCV 底层用了 SIMD 和多线程，哪怕 100x100 的核，也比 Python 循环快两个数量级。
唯一例外：你需要逐像素条件判断（比如“只对 RGB > 128 的区域应用高斯”），这时 cv2.filter2D 无能为力，得用 np.where + 掩码，或改用 cv2.cuda.filter2D（需 GPU）。
- 小核（≤7x7）：
cv2.filter2D开销几乎可忽略 - 大核（≥31x31）：考虑是否真需要——多数视觉效果用分离核（
cv2.sepFilter2D）更快 - 别试图用 Python 循环模拟卷积：哪怕用
numba.jit，也难超 OpenCV C++ 实现 - 调试时可临时用
scipy.signal.convolve2d对照结果，但上线必须切回cv2.filter2D
滤镜结果和 Photoshop 不一样，是 OpenCV 问题吗
不是 OpenCV 问题，是默认行为差异。Photoshop 对高斯模糊、锐化等做了大量视觉补偿（比如伽马预校正、非线性响应映射），而 OpenCV 是纯数学卷积。
最常被忽略的一点：OpenCV 读图是 BGR，Photoshop 是 RGB；直接拿同一张图在两边跑滤镜，颜色通道错位，结果当然不同。
- 用
cv2.cvtColor(img, cv2.COLOR_BGR2RGB)统一到 RGB 空间再处理（尤其涉及色彩感知的滤镜） - Photoshop 高斯模糊默认带“重复边缘”填充，OpenCV 默认是
cv2.BORDER_REFLECT；要对齐得显式传borderType=cv2.BORDER_REPLICATE - 部分滤镜（如 USM 锐化）Photoshop 会限制增强范围（避免过冲），OpenCV 不管——你得自己 clip 结果：
np.clip(result, 0, 255) - 浮点精度差异：Photoshop 用 16bit float，OpenCV 多数函数用 32bit float；一般不影响，但做多层叠加时建议全程用
np.float32
