您可以使用scipy.ndimage.correlate（或scipy.ndimage.convolve）来过滤图像。在这种情况下，你描述你的内核看起来像这样：

[[ 0, 0,    0],
 [ 0, 0.25, 0.25],
 [ 0, 0.25, 0.25]]

字符串
其中内核的中心是（i，j）。

> k = np.array([[0, 0, 0],[0, 0.25, 0.25],[0, 0.25, 0.25]])
> scipy.ndimage.correlate(A.astype(float), k, mode='constant')
array([[4.5 , 5.5 , 3.  ],
       [6.5 , 7.5 , 4.  ],
       [3.75, 4.25, 2.25]])

型

首先，A应该是float类型才能正确执行此操作。
当计算平均值时，第一行/列根本不会改变，也许应该跳过。对于浮子A，

>>> generic_filter(A, np.nanmean, mode='constant', cval=np.nan, size=2)
array([[3. , 3.5, 4.5],
       [4. , 4.5, 5.5],
       [6. , 6.5, 7.5]])

字符串
所以，generic_filter(...)[1:, 1:]可能是您需要的。
另一种选择是使用卷积-它更灵活一点，因为您可以自己设置过滤器，但您必须自己创建过滤器。在这种情况下，应跳过最后一行/列
示例如下：

from scipy.ndimage import convolve
convolution = np.ones((2, 2))/4
convolve(A, convolution)

型