需要Python中的循环FFT卷积吗

我需要一个更快的模拟

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

你能告诉我如何更换它吗

---

p.S.

scipy.signal.fftconvolve

足够快，但它没有

边界

选项，我无法使其在循环卷积模式下工作。

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（数据、过滤器、边界='wrap'，模式='same'）

相同的值，但这些值在每个轴上移动（“rolled”，用numpy术语）。（这是的应用程序。）

下面是一个简短的函数，它滚动结果以给出与

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

比如说,

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

检查性能：

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版本要快得多（但请注意，我选择了

数据的维数为2的幂）。
如果您计算以下各项：

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（数据、过滤器、边界='wrap'，模式='same'）
相同的值，但这些值在每个轴上移动（“rolled”，用numpy术语）。（这是的应用程序。）

下面是一个简短的函数，它滚动结果以给出与
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

比如说,

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

检查性能：

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版本的速度要快得多（但请注意，我选择了
数据的维数为2的幂）。
我认为没有边界选项的原因是因为FFT不是那样工作的。你说的“循环”卷积到底是什么意思？编辑：没关系，我在上找到了一个定义。我认为没有边界选项的原因是FFT不能那样工作。你说的“循环”卷积到底是什么意思？编辑：没关系，我找到了一个定义。其中哪一个最初具有正确的有序输出？FFT版本或scipy conv warp版本？其中哪一个最初具有正确的有序输出？FFT版本还是scipy conv warp版本？