请用python设计实现卷积操作的函数，其参数包括：（卷积核空间尺寸kernel_size，卷积通道c，步长Stride），生成随机初始化，服从均值为0，方差为1的高斯分布的卷积核，对自选的灰度图像进行卷积，并输出卷积结果，要求卷积后图像大小不改变。（提示：Padding可由kernel_size计算得到。）

你可以使用NumPy库来实现卷积操作。以下是一个示例函数，可以根据给定的参数进行卷积操作：

import numpy as np
from scipy.signal import convolve2d

def convolve(image, kernel_size, c, stride):
    # 生成随机初始化的卷积核
    kernel = np.random.normal(0, 1, size=(kernel_size, kernel_size, c))
    
    # 计算padding大小
    padding = (kernel_size - 1) // 2
    
    # 添加padding
    padded_image = np.pad(image, ((padding, padding), (padding, padding)), mode='constant')
    
    # 进行卷积操作
    result = convolve2d(padded_image, kernel, mode='valid')[::stride, ::stride]
    
    return result

这个函数使用`np.random.normal`函数生成服从均值为0，方差为1的高斯分布的随机初始化卷积核。然后，使用`np.pad`函数为输入图像添加padding，保证卷积后图像大小不改变。最后，使用`scipy.signal.convolve2d`函数进行卷积操作，并根据步长来进行采样。返回的结果即为卷积后的图像。

你可以将灰度图像作为`image`参数传递给这个函数，然后根据你的需求设置`kernel_size`、`c`和`stride`的值来进行卷积操作。