scipy.signal.convolve2d的默认输出模式是完整卷积。如果希望输出大小与输入大小相同，请将mode参数设置为“ same”。

scipy.signal.convolve2d(similarity_matrix,np.diag(filter),mode="same")

更新：将图像与内核卷积时，由于缺少一些邻居，因此无法直接计算图像边缘的卷积结果。解决此问题的方法有多种

1-忽略边的值，例如如果内核为3x3，则忽略边缘的元素，如果内核为5x5，则忽略边缘的最后2个元素，依此类推。
2-对图像应用某种填充，这意味着暂时以特定方式放大图像，以便可以将卷积核应用于边缘的值。同样，执行此操作的方法也不同（这次是2种以上），但是最基本的方法是零填充。例如，如果您的图像大小为100x100，内核为5x5，则由于缺少邻居，在图像的每一侧（右，上，左，下），我们无法计算两个外部值的卷积。使用零填充方法，您首先将图像放大到104x104。放大后的图像由位于中心的原始100x100图像和一些添加到边缘的零值组成，现在最主要的是现在您可以将滤镜应用于100x100区域，因为您为边缘值创建了人工邻居。

关于模式名称：
1-如果选择“填充方式”，并保持输出大小与输入大小相同，则称为相同卷积。通过上面的填充方法，可以通过在放大的图像上放置外部值来实现。
2-如果选择“忽略边值方式”进行卷积，则输出将较小。这称为有效卷积。顾名思义，您只在“有效”区域执行卷积操作。
3-如果选择“填充方式”并同时保留附加值，则称为 full 卷积。注意，通过裁剪完整卷积的输出，您也可以获得相同和有效的卷积。