python 能否帮我写一个低通滤波函数 核大小可以自己设定 该函数支持float64 类型

当然可以，以下是一个自定义低通滤波函数的示例代码，支持float64类型：

import numpy as np
from scipy import signal

def lowpass_filter(img, kernel_size, sigma):
    """
    自定义低通滤波函数
    :param img: 输入的图像
    :param kernel_size: 滤波核大小，必须为奇数
    :param sigma: 高斯核标准差
    :return: 低通滤波后的图像
    """
    # 检查滤波核大小是否为奇数
    if kernel_size % 2 == 0:
        kernel_size += 1
    # 生成高斯核
    x, y = np.meshgrid(np.linspace(-1, 1, kernel_size), np.linspace(-1, 1, kernel_size))
    d = np.sqrt(x * x + y * y)
    gaussian_kernel = np.exp(-(d ** 2) / (2.0 * sigma ** 2))
    gaussian_kernel /= np.sum(gaussian_kernel)
    # 对图像进行卷积
    return signal.convolve2d(img, gaussian_kernel, mode='same', boundary='symm')

# example
img = np.random.rand(512, 512)
result = lowpass_filter(img, 5, 2)

该函数的实现过程是先检查滤波核大小是否为奇数，然后生成高斯核，对输入图像进行卷积。其中，高斯核的生成使用了numpy.meshgrid函数生成x坐标和y坐标的网格，然后计算每个点到中心点的距离d，再根据高斯分布函数计算每个点的权重，最后将所有权重归一化即可。卷积使用了scipy.signal.convolve2d函数，可以指定卷积模式和边界处理方式。需要注意的是，该函数只支持单通道的图像，如果输入图像是多通道的，需要对每个通道分别进行低通滤波。