Python中基于FFT的2D卷积和相关
回答问题 scipy(或其他流行的库)中是否有基于 FFT 的 2D 互相关或卷积函数? 有这样的功能: scipy.signal.correlate2d- “convolveND实现的直接方法对于大数据会很慢” scipy.ndimage.correlate-“使用精确计算(即非 FFT)将数组与给定内核相关联。” scipy.fftpack.convolve.convolve,这个我不是很懂,
回答问题
scipy(或其他流行的库)中是否有基于 FFT 的 2D 互相关或卷积函数?
有这样的功能:
-
scipy.signal.correlate2d
- “convolveND
实现的直接方法对于大数据会很慢” -
scipy.ndimage.correlate
-“使用精确计算(即非 FFT)将数组与给定内核相关联。” -
scipy.fftpack.convolve.convolve
,这个我不是很懂,但是好像错了
numarray 有一个correlate2d()
函数和一个fft=True
开关,但我猜 numarray 被折叠成 numpy,我找不到这个函数是否包含在内。
Answers
我发现scipy.signal.fftconvolve
,正如 magnus所指出的那样,但当时并没有意识到它是 n\ 维的。由于它是内置的并产生正确的值,因此它似乎是理想的解决方案。
来自二维卷积示例:
In [1]: a = asarray([[ 1, 2, 3],
...: [ 4, 5, 6],
...: [ 7, 8, 9]])
In [2]: b = asarray([[-1,-2,-1],
...: [ 0, 0, 0],
...: [ 1, 2, 1]])
In [3]: scipy.signal.fftconvolve(a, b, mode = 'same')
Out[3]:
array([[-13., -20., -17.],
[-18., -24., -18.],
[ 13., 20., 17.]])
正确的!另一方面,STSCI 版本需要一些额外的工作才能使边界正确?
In [4]: stsci.convolve2d(a, b, fft = True)
Out[4]:
array([[-12., -12., -12.],
[-24., -24., -24.],
[-12., -12., -12.]])
(STSCI方法还需要编译,我没有成功(我只是注释掉了非python部分),有一些像这样的错误和修改输入([1, 2]变成[[ 1, 2]]) 等。所以我将接受的答案更改为内置的fftconvolve()
函数。)
当然,相关性与卷积是一回事,但有一个输入反转:
In [5]: a
Out[5]:
array([[3, 0, 0],
[2, 0, 0],
[1, 0, 0]])
In [6]: b
Out[6]:
array([[3, 2, 1],
[0, 0, 0],
[0, 0, 0]])
In [7]: scipy.signal.fftconvolve(a, b[::-1, ::-1])
Out[7]:
array([[ 0., -0., 0., 0., 0.],
[ 0., -0., 0., 0., 0.],
[ 3., 6., 9., 0., 0.],
[ 2., 4., 6., 0., 0.],
[ 1., 2., 3., 0., 0.]])
In [8]: scipy.signal.correlate2d(a, b)
Out[8]:
array([[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[3, 6, 9, 0, 0],
[2, 4, 6, 0, 0],
[1, 2, 3, 0, 0]])
和最新版本已通过在内部使用 2 的幂大小进行了加速(然后我通过对实际输入使用真正的 FFT 来加速它和使用 5 平滑长度而不是 2 的幂:D)。
更多推荐
所有评论(0)