Python 卷积伪影

我使用直接卷积算法来计算此图像之间的卷积：

这个内核：

我使用中的实现来实现直接卷积

这将导致以下卷积，将所有设置（包括边界处理）保留为默认设置，即astropy.convolution.convolve（图像、内核）：

这种卷积有一些令人费解的伪影。特别是，在距边缘约50像素的偏移处存在“方形”图案。在我看来，这是由于内核的范围；尽管内核的大小正式为249x249，但大多数信息显然包含在大约100像素的半径内——这意味着当内核应用于边缘时，我们可能会遇到麻烦

这就引出了我的问题：

这个假设正确吗？它确实是一个边缘问题

我该如何着手解决这个问题？我不知道如何证明使用不同的边缘处理（零填充、插值、换行等）是合理的，我确信不同的情况需要不同的解决方案，但我不确定如何决定这一点

只是。。。试图理解使用直接算法和FFT卷积之间的区别。如果内核和图像同样大，则FT卷积不需要零填充，不会出现边缘效果。对于直接方法，您将在不经意间进行一些边缘处理。。。那么，结果是否相等？因为原则上只有他们的表现应该不同，对吗

---

是的，这是一个边缘效应问题，因为内核中有负值。一旦内核部分脱离边缘，内核的平均值就开始改变

一种解决方案是使用

boundary='fill'

和

fill\u value=（图像的平均值）

或类似的方法。它可能不会完全移除这些工件，但应该减少它们

对于问题的FFT卷积部分，FFT卷积也会做同样的事情。但是，边缘填充对于FFT卷积是必要的，因为否则边界将包裹。不填充（例如，

convalve\u fft（…，boundary='wrap'）

）实际上会消除您的伪影，但它的方式可能会让您感到惊讶，因为它将平均图像右侧和左侧的像素

astropy的

卷积

和

卷积fft

在相同的

边界

条件下都会做相同的事情，但是简单的fft卷积（即

conv=ifft（fft（im）*fft（kernel））

相当于使用

boundary='wrap'