Question

我有一张healpix地图，其中nside = 512（=巨大的numpy.ndarray，约3.1E6元素）。我需要用2D高斯卷积它。

我尝试创建一个高斯的healpix地图，将两个numpy.ndarray相乘并得到总和;这太慢了。

我试过的第二件事是定义一个高斯函数（不是一个映射），然后是一个2D函数，对于给定的x，y，它返回位置x，y处的huge_map * gausian的值。然后我使用scipy.integrate.nquad来获得积分。比第一种方法更快，但是......

有没有办法如何使用扩展到球面谐波来获得huge_map * Gaussian的积分更快？有点像在球形伤害中扩展huge_map，在球形伤害中扩展高斯，将系数相乘，变换回来，得到总和。

可能的修改如：a）使用huge_map的日志和高斯的日志来工作，然后对系数的操作显然是总和。 b）直接从系数得到积分，没有后向变换？ c）将扩展限制在一定数量并加快整个过程？

如何使用healpy正确实现它？

Answer 1

您可以尝试使用healpy.smoothing，例如：

wmap_map_I_smoothed = hp.smoothing(wmap_map_I, fwhm=60, arcmin=True)
hp.mollview(wmap_map_I_smoothed, min=-1, max=1, title='Map smoothed 1 deg')