gaussianFilter.py

def convolution(img: np.ndarray, filt: np.ndarray):
    iw, ih = img.shape
    kw, kh = filt.shape
    assert(kw % 2 == 1 and kh % 2 == 1) # Garante que o filtro tenha um centro
    kcx, kcy = kw//2, kh//2 # Calcula a posição central
    out = np.zeros(img.shape)
    for x, y in np.ndindex(*out.shape):
         #Pega os pixels que serão usados na operação com o filtro
        sub_img = img[max(0, x-kcx): min(iw, x-kcx + (kw)),
                      max(0, y-kcy): min(ih, y-kcy + (kh))]
        # Pega o filtro com pixels removendo os que estão de fora da imagem
        sub_filt = filt[max(0,kcx-x): (kw if iw > x+kcx else iw-(x+kcx)-1),
                            max(0, kcy-y): (kh if ih > y+kcy else ih-(y+kcy)-1)]
        # Multiplica cada pixel pelo seu respectivo peso e divide pela soma dos pesos
        out[x, y] = np.vdot(sub_img, sub_filt) / np.sum(sub_img.flatten())
    return out.astype(np.uint8)