当在图像边界附近应用高斯滤波器时，算法通常零填充或复制/镜像/环绕边界。这对我的情况来说还不够好，所以我想知道那里是否有更好的东西。

由于平滑的想法是吸收周围点的信息，我想知道在边界情况下使用不同的内核是否有意义。这个内核只会从可用的周围点获取值，例如，如果我的内核是这样的：

$$\begin{bmatrix} 0.0113 & 0.0838 & 0.0113 \\ 0.0838 & 0.6193 & 0.0838 \\ 0.0113 & 0.0838 & 0.0113 \end{bmatrix}$$

要计算上边距上的像素（但不靠近角落），我会使用

$$\begin{bmatrix} 0.0938 & 0.6933 & 0.0938 \\ 0.0126 & 0.0938 & 0.0126 \end{bmatrix}$$

后一个矩阵是通过裁剪掉图像之外的内核部分（顶行）并重新归一化来计算的。这种方法或替代方法有问题吗？

这里有一些代码可以更好地解释我的想法：

kernel = [0.0113 0.0838 0.0113; 0.0838 0.6193 0.0838; 0.0113 0.0838 0.0113]
kernel2 = [0.0938 0.6933 0.0938; 0.0126 0.0938 0.0126];
M = [1 2 3; 4 5 6]; % my image

% application of kernel to point 2 in M would provide the value:
res1 = sum(sum( kernel(2:3,:).*M )); % 0 padding, equals 2.1058
res2 = sum(sum( kernel.*[1 2 3; M] )); % row replication, equals 2.3186

% application of kernel2 to the same point:
res3 = sum(sum( kernel2 .* M )); % equals 2.3568

请注意，在使用时kernel2我不会推断一行[0 0 0]or [1 2 3]，这会低估这一点。