Question

我需要更快的模拟

scipy.signal.convolve2d(data, filter, boundary="wrap", mode="same")

你能不能建议我如何更换它？

P.S。 scipy.signal.fftconvolve足够快，但它没有boundary选项，我无法在循环卷积模式下运行。

Answer 1

如果您计算以下内容：

from scipy.fftpack import fft2, ifft2

f2 = ifft2(fft2(data, shape=data.shape) * fft2(filter, shape=data.shape)).real

然后f2包含与convolve2d(data, filt, boundary='wrap', mode='same')相同的值，但在每个轴中移动（＆＃34;滚动＆＃34;，在numpy术语中）。（这是convolution theorem的应用。）

这是一个简短的函数，它将结果滚动到与convolve2d函数调用相同的结果：

def fftconvolve2d(x, y):
    # This assumes y is "smaller" than x.
    f2 = ifft2(fft2(x, shape=x.shape) * fft2(y, shape=x.shape)).real
    f2 = np.roll(f2, (-((y.shape[0] - 1)//2), -((y.shape[1] - 1)//2)), axis=(0, 1))
    return f2

例如，

In [91]: data = np.random.rand(256, 256)

In [92]: filt = np.random.rand(16, 16)

In [93]: c2d = convolve2d(data, filt, boundary='wrap', mode='same')

In [94]: f2 = fftconvolve2d(data, filt)

验证结果是否相同：

In [95]: np.allclose(c2d, f2)
Out[95]: True

检查表现：

In [96]: %timeit c2d = convolve2d(data, filt, boundary='wrap', mode='same')
44.9 ms ± 77.3 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

In [97]: %timeit f2 = fftconvolve2d(data, filt)
5.23 ms ± 11.2 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

FFT版本很多更快（但请注意，我选择data的维度为2的幂。）

在Python中需要循环FFT卷积

1 个答案: