通过PIL对以numpy规格下的图片进行高斯滤波，并提供相应的python代码

在Python中，你可以使用Pillow库（PIL的 fork版）和NumPy来对以numpy数组形式存在的图片进行高斯滤波。高斯滤波是一种常见的图像平滑处理技术，它会使用高斯函数来计算每个像素点周围邻域像素值的加权平均。

首先，确保已经安装了Pillow和NumPy库。如果没有，可以使用以下命令安装：

pip install pillow numpy

然后，这里是一个简单的例子，展示如何对numpy数组应用高斯滤波：

from PIL import Image
import numpy as np
from scipy.ndimage.filters import gaussian_filter

# 假设img_array是你的numpy图片数组，通常由Image.open('image.jpg').convert('RGB')得到
img_array = ... # 图片数据

# 将图片转换成灰度图以便于滤波，如果原图是灰度图，则此步可省略
gray_img = np.mean(img_array, axis=-1)

# 定义高斯核的大小和标准差，例如5x5大小，标准差为1
kernel_size = (5, 5)
sigma = 1

# 使用gaussian_filter进行高斯滤波
filtered_img = gaussian_filter(gray_img, sigma, mode='reflect', cval=0)

# 将滤波后的numpy数组转换回PIL Image
filtered_pil_image = Image.fromarray(filtered_img.astype(np.uint8))

# 可能需要显示原始和滤波后的图片
display_original_and_filtered_images(img_array, filtered_pil_image)

def display_original_and_filtered_images(original, filtered):
    original.show(title="Original Image")
    filtered.show(title="Filtered Image")

# 使用上述函数展示你的原始图片和过滤后的图片
display_original_and_filtered_images(gray_img, filtered_img)