Találtam scipy.signal.fftconvolve, amint arra magnus is rámutatott, de akkor még nem vettem észre, hogy ez n< /em> -dimenziós. Mivel beépített és megfelelő értékeket produkál, ideális megoldásnak tűnik.
A Példa a 2D konvolúcióra webhelyről:
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.]])
Helyes! Az STSCI-verzió viszont némi plusz munkát igényel, hogy a határok helyesek legyenek?
In [4]: stsci.convolve2d(a, b, fft = True)
Out[4]:
array([[-12., -12., -12.],
[-24., -24., -24.],
[-12., -12., -12.]])
(Az STSCI metódus fordítást is igényel, ami nem járt sikerrel (csak a nem python részeket kommentáltam), van néhány hiba, mint a ez és a bemenetek módosítása ([1, 2] lesz [[1, 2]]), stb. Így az elfogadott válaszomat a beépített fftconvolve() függvényre változtattam.)
A korreláció természetesen ugyanaz, mint a konvolúció, de egy megfordított bemenettel:
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]])
és a legújabb verzió felgyorsult a két méret belső használatával (majd felgyorsítottam, valódi FFT-vel valódi bevitel és 5 sima hossz használata 2 hatvány helyett :D ).
20.11.2009
