假设我有以下2D阵列图像：

img = np.array([
           [0,1,0.5,0],[0,0]])

我想对其施加高斯模糊，以便图像如下：

imgBlurred = np.array([
           [0.0,0.2,0.7,0.3,0.4,0.1],[0.0,0.1]])

基本上，我希望得到这样的结果：在原始图像中，高斯的1值非常粗，而0.5值则高。

直到现在，我将按照以下步骤操作：

 from scipy import ndimage
 import numpy as np
 #img is a numpy array
 imgBlurred = ndimage.filters.gaussian_filter(img,sigma=0.7)
 #Normalisation by maximal value,because the gaussian blur reduce the 1 to ~0.5
 imgBlurred = imgBlurred/imgBlurred.max()
 imgBlurred[imgBlurred > 1] = 1# In case of the maximal value was > 1

但是，这样做的话，对于模糊图像上的1和0.5来说，应该更大。 如果有人知道如何解决此“问题”，我想提出一些建议！