Python图像卷积与numpy切片在某些图像上产生奇怪的结果

我正在尝试使用Numpy在GIMP中的插件中实现卷积,我得到了一些奇怪的结果。

给我带来问题的函数是:(它只在灰度图像上运行)

def convolve(self, pixels, kernel):
  bw, bh = pixels.shape
  k_w, k_h = kernel.shape
  if (k_w != k_h):
    raise ValueError("Passed kernel is not of the right shape")

  #expand the image
  bigger = np.lib.pad(pixels, int(k_w/2), 'reflect').astype(np.float)

  pixels.fill(0)
  pixels = pixels.astype(np.float)
  for x in range(k_w):
    for y in range(k_h):
      pixels += kernel[x,y]*bigger[x : bw + x,
                                   y : bh + y]
  return np.clip(pixels,0,255).astype(np.uint8)

不知何故,对于某些尺寸的图像,输出会变得一团糟。具体示例可以是在该图像上应用5x5高斯模糊时:

输入:

输出不正确:

最奇怪的是,对于很多图像,尤其是正方形的图像,这个插件工作得很好。例如,如果我在GIMP中手动将图像展开为正方形,则会得到正确模糊的图像:

我曾尝试将numpy数组调整为正方形,然后将其裁剪回来,但令人惊讶的是,这并没有解决问题。

编辑:当前正在运行以下代码:

self.convolve(pixels,
              np.array([
              [ 1, 4, 6, 4, 1,],
              [ 4,16,24,16, 4,],
              [ 6,24,36,24, 6,],
              [ 4,16,24,16, 4,],
              [ 1, 4, 6, 4, 1,],
              ], dtype=np.float)*1/256)

但在任何3x3过滤器中都可以看到同样的问题,像这样的内核可以很好地工作

[  0, 0,   0,],
[0.5, 0, 0.5,],
[  0, 0,   0,],

[ 0, 0.5, 0,],
[ 0,   0, 0,],
[ 0, 0.5, 0,],