numpy.convolve设计用于一维数组，并不意味着直接用于二维数组。但是，您可以使用numpy。convolve分别对2D阵列的每行和列执行卷积，这有效地导致2D卷积。

下面是一个如何使用numpy执行2D卷积的示例。卷积：

import numpy as np
 # Define the 2D array and kernel
 arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
 kernel = np.array([[1, 0, 1], [0, 1, 0], [1, 0, 1]])

 # Perform convolution on each row
 conv_row = np.apply_along_axis(np.convolve, axis=1, arr=arr, v=kernel[:,0], mode='same')
 for i in range(1, kernel.shape[1]):
     conv_row += np.apply_along_axis(np.convolve, axis=1, arr=arr, v=kernel[:,i], mode='same')

 # Perform convolution on each column
 conv_col = np.apply_along_axis(np.convolve, axis=0, arr=conv_row, v=kernel[0,:], mode='same')
 for i in range(1, kernel.shape[0]):
     conv_col += np.apply_along_axis(np.convolve, axis=0, arr=conv_row, v=kernel[i,:], mode='same')

 # Output the result 
 print(conv_col)

请注意，这种方法可能不如使用scipy有效。signal.convolve2d，特别是对于较大的数组和内核，但它提供了一种仅使用numpy的替代方法。