FFT-basierte 2D-Faltung und -Korrelation in Python

Question

Gibt es eine FFT-basierte 2D-Kreuzkorrelations- oder Faltungsfunktion in scipy (oder einer anderen populären Bibliothek)?

Es gibt Funktionen wie diese:

• scipy.signal.correlate2d - „die direkte durch convolveND implementiertes Verfahren für große Daten langsam sein“
• scipy.ndimage.correlate - „Das Array mit den angegebenen Kernel genau korreliert Berechnung (dh nicht FFT). "
• scipy.fftpack.convolve.convolve, die ich nicht wirklich verstehen, scheint aber falsch

numarray hatte eine correlate2d() function with an fft=True switch, aber ich denke, numarray in numpy gefaltet wurde, und ich kann nicht finden, wenn diese Funktion enthalten war.

Answer 1

Ich fand scipy.signal.fftconvolve, as also pointed out by magnus, aber nicht zu der Zeit, dass es n-dimensional ist. Da es eingebaut ist und die richtigen Werte produziert, scheint es die ideale Lösung zu sein.

Von Example of 2D Convolution:

Richtig! Die STSCI-Version erfordert andererseits einige zusätzliche Arbeit, um die Grenzen zu korrigieren?

In [4]: stsci.convolve2d(a, b, fft = True) 
Out[4]: 
array([[-12., -12., -12.], 
     [-24., -24., -24.], 
     [-12., -12., -12.]]) 

(STScI Verfahren Kompilieren auch erfordert, die ich mit (I nur auf Kommentar die nicht-Python Teile) nicht erfolgreich war, hat einige Fehler wie this und die Eingänge Modifizieren ([1, 2] wird auf [[ 1, 2]]) usw. Also änderte ich meine akzeptierte Antwort auf die eingebaute in fftconvolve() Funktion)

Korrelation, natürlich, die gleichen wie Faltung, aber mit einem Eingang umgekehrt.

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]]) 

und the latest revision wurde beschleunigt durch die Verwendung von Power-of-Two-Größen intern (und dann beschleunigte ich es mehr durch using real FFT for real input und using 5-smooth lengths instead of powers of 2: D).

Answer 2

Ich glaube, Sie das scipy.stsci Paket wollen:

http://docs.scipy.org/doc/scipy/reference/stsci.html

In [30]: scipy.__version__ 
Out[30]: '0.7.0' 

In [31]: from scipy.stsci.convolve import convolve2d, correlate2d 

Answer 3

ich den Überblick über den Status dieses Pakets in scipy verloren haben, aber ich weiß, wir ndimage als Teil des Includes stsci_python Release-Paket als Service für unsere Nutzer:

http://www.stsci.edu/resources/software_hardware/pyraf/stsci_python/current/download

oder Sie in der Lage zieht es aus dem Repositeurs sein sollten y, wenn Sie bevorzugen:

https://www.stsci.edu/svn/ssb/stsci_python/stsci_python/trunk/ndimage/

Answer 4

Blick auf scipy.signal.fftconvolve, signal.convolve und signal.correlate (es gibt eine signal.correlate2d aber es scheint eine verschobene Array zurück, nicht zentriert).

Answer 5

Ich schrieb eine Kreuzkorrelation/Faltung Wrapper, die sich um Padding & Nans kümmert und enthält eine einfache glatte Wrapper here. Es ist kein beliebtes Paket, aber es hat auch keine Abhängigkeiten neben numpy (oder fftw für schnellere ffts).

Ich habe auch einen FFT-Geschwindigkeitstest Code here implementiert, falls jemand interessiert ist. Es zeigt - überraschenderweise -, dass numpy's fft schneller ist als scipy, zumindest auf meiner Maschine.

EDIT: bewegte Code N-dimensionale Version here