为什么Scipy具有“ signal.convolve2d”和“ signal.correlate2d”不同的功能？

Question

“ signal.convolve2d”和“ signal.correlate2d”（具有相同的参数）何时会产生不同的结果？

我刚刚开始使用Scipy，我无法确定使用signal.correlate2d（array，filter，'same'）和signal.convolve2d（array，filter，'same'）的区别，尽管结果相同我尝试过的所有情况。

Answer 1

看看他们的代码。它们看起来几乎相同，除了一种用途：

sigtools._convolve2d(in1, in2.conj(), 0, val, bval, fillvalue)

和另一个：

sigtools._convolve2d(in1, in2, 1, val, bval, fillvalue)

大概您对卷积知识了解得足够多了，对吧？

why this code的答案通常涉及一个历史，可以追溯到几年前。不同的人编写不同的代码位，将它们合并，有时仅出于向后兼容性的缘故仍保留微小的差异。保留几个类似的版本比告诉用户“您必须切换”要容易得多。

Answer 2

之所以这样做，是因为他们实际上在执行不同的任务

signal.convolve2d() #does convolving
signal.correlate2d() #does just cross-correlation

Convolving正在与水平和垂直镜像的滤镜进行互相关。

交叉相关通常是在深度学习中完成的，在深度学习中，您按原样使用滤波器进行乘法。

对于非对称滤波器，结果是不同的。但是，对于对称滤波器，您无法观察到这些功能的用法有什么区别。