![](/img/trans.png)
[英]Implementing a 2D, FFT-based Kernel Density Estimator in python, and comparing it to the SciPy implimentation
[英]FFT-based 2D convolution and correlation in Python
scipy(或其他流行的庫)中是否內置了基於 FFT 的 2D 互相關或卷積函數?
有這樣的功能:
scipy.signal.correlate2d
- “通過實施直接法convolveND
將是大數據慢”scipy.ndimage.correlate
- “使用精確計算(即不是 FFT)將數組與給定的內核相關聯。”scipy.fftpack.convolve.convolve
,我不太明白,但似乎是錯誤的 numarray 有一個帶有fft=True
開關的correlate2d()
函數,但我猜 numarray 被折疊到 numpy 中,我無法找到是否包含此函數。
我發現了scipy.signal.fftconvolve
,正如 magnus 所指出的那樣,但當時沒有意識到它是n維的。 由於它是內置的並產生正確的值,因此它似乎是理想的解決方案。
來自2D 卷積示例:
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.]])
正確的! 另一方面,STSCI 版本需要一些額外的工作才能使邊界正確?
In [4]: stsci.convolve2d(a, b, fft = True)
Out[4]:
array([[-12., -12., -12.],
[-24., -24., -24.],
[-12., -12., -12.]])
(STSCI方法也需要編譯,我沒有成功(我只是注釋掉了非python部分),有一些像這樣的錯誤和修改輸入([1, 2]變成[[1, 2]]),等等。所以我將我接受的答案更改為內置的fftconvolve()
函數。)
當然,相關性與卷積是一回事,但其中一個輸入相反:
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]])
並且最新版本已經通過在內部使用二的冪來加速(然后我通過對真實輸入使用真正的 FFT並使用 5 平滑長度而不是 2 的冪來加速它:D)。
看看 scipy.signal.fftconvolve、signal.convolve 和 signal.correlate(有一個 signal.correlate2d 但它似乎返回一個移位數組,而不是居中)。
我想你想要 scipy.stsci 包:
http://docs.scipy.org/doc/scipy/reference/stsci.html
In [30]: scipy.__version__
Out[30]: '0.7.0'
In [31]: from scipy.stsci.convolve import convolve2d, correlate2d
我已經在 scipy 中忘記了這個包的狀態,但我知道我們將 ndimage 作為 stsci_python 發布包的一部分包括在內,以方便我們的用戶:
http://www.stsci.edu/resources/software_hardware/pyraf/stsci_python/current/download
或者如果您願意,您應該可以從存儲庫中提取它:
https://www.stsci.edu/svn/ssb/stsci_python/stsci_python/trunk/ndimage/
請注意,從 Scipy 1.4 開始就有scipy.signal.oaconvolve ,它使用Overlap-add 方法。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.