Question

我有两个数组，大小为(n, m, m)（n个图像，大小为(m,m)）。我想在两个数组的每个对应的n之间执行互相关。

示例：n=1-> corr2d([m,m]<sub>1</sub>,[m,m]<sub>2</sub>) 我目前的方式包括在python中使用一堆for循环：

for i in range(len(X)):
    X_co = X[i,0,:,:]/(np.max(X[i,0,:,:]))
    X_x = X[i,1,:,:]/(np.max(X[i,1,:,:]))
    autocorr[i,0,:,:]=correlate2d(X_co, X_x, mode='same', boundary='fill', fillvalue=0)

很明显，当输入包含许多图像时，这非常慢，并且如果(m,m) << n.成为整个运行时间的重要部分

最明显的优化是跳过循环，并将所有内容直接提供给已编译的相关函数。目前，我正在使用scipy的correlate2d。我环顾四周，但找不到任何允许沿某个轴或多个输入进行关联的功能。

有关如何使scipy的correlate2d工作或替代方法的任何提示？

Answer 1

我决定改为通过FFT来实现。

def fft_xcorr2D(x):
    # Over axes (-2,-1) (default in the fft2 function)
    ## Pad because of cyclic (circular?) behavior of the FFT
    x = np.fft2(np.pad(x,([0,0],[0,0],[0,34],[0,34]),mode='constant'))

    # Conjugate for correlation, not convolution (Conv. Theorem)
    x[:,1,:,:] = np.conj(x[:,1,:,:])

    # Over axes (-2,-1) (default in the ifft2 function)
    ## Multiply elementwise over 2:nd axis (2 image bands for me)
    ### fftshift over rows and column over images
    corr = np.fft.fftshift(np.ifft2(np.prod(x,axis=1)),axes=(-2,-1))

    # Return after removing padding
    return np.abs(corr)[:,3:-2,3:-2]

致电通过：

ts=fft_xcorr2D(X)

如果有人要使用它：我的输入是一个4D数组：(N, 2, #Rows, #Cols)

例如(500, 2, 30, 30)：30x30像素的2个波段（例如偏振）的500张图像

如果您输入的内容不同，请根据自己的喜好调整填充请检查您的输入顺序是否与我的输入顺序相同，否则请更改fft2和ifft2函数，np.prod和fftshift中的axis参数。我使用fftshift来获取中间的最大值（否则在角落），因此请谨慎使用，这不是您想要的。

为什么是最大值？从技术上讲，它不是必须的，但就我的目的而言是。 fftshift用于获得看起来像您惯常的关联。否则，象限将“由内而外”翻转。如果您想知道我的意思，请删除fftshift（只是fftshift部分，而不是其参数），像以前一样调用该函数并绘制它。

之后，应该可以使用了。 Possibly x.prod(axis=1) is faster than np.prod(x,axis=1)，但它是旧帖子。尝试后对我来说没有任何改善。

Python中高效的2D互相关？

1 个答案: