Python cusignal.convolution.convolve.fftconvolve用法及代码示例

用法: cusignal.convolution.convolve.fftconvolve(in1, in2, mode='full', axes=None)

使用 FFT 对两个 N 维数组进行卷积。

使用快速傅里叶变换方法对 in1 和 in2 进行卷积，输出大小由 mode 参数确定。

对于大型数组(n > ~500)，这通常比 convolve 快得多，但在只需要几个输出值时可能会更慢，并且只能输出浮点数组(int 或对象数组输入将被强制转换为浮点数) .

从 v0.19 开始，convolve 会自动选择此方法或基于估计哪个更快的直接方法。

参数：

in1：array_like

第一个输入。

in2：array_like

第二输入。应该具有与 in1 相同的维度数。

mode：str {‘full’, ‘valid’, ‘same’}，可选

指示输出大小的字符串：

full: 输出是输入的完全离散线性卷积。 (默认)
valid: 输出仅包含那些不依赖零填充的元素。在‘valid’ 模式中，in1 或in2 在每个维度上必须至少与另一个一样大。
same: 输出与 in1 大小相同，以 ‘full’ 输出为中心。轴：元组，可选

axes：int 或数组 ints 或 None，可选

计算卷积的轴。默认值是在所有轴上。

out：数组: 一个 N 维数组，包含 in1 与 in2 的离散线性卷积的子集。

例子：

白噪声的自相关是一种脉冲。

>>> import cusignal
>>> import cupy as cp
>>> import numpy as np
>>> sig = cp.random.randn(1000)
>>> autocorr = cusignal.fftconvolve(sig, sig[::-1], mode='full')

>>> import matplotlib.pyplot as plt
>>> fig, (ax_orig, ax_mag) = plt.subplots(2, 1)
>>> ax_orig.plot(cp.asnumpy(sig))
>>> ax_orig.set_title('White noise')
>>> ax_mag.plot(np.arange(-len(sig)+1,len(sig)), autocorr)
>>> ax_mag.set_title('Autocorrelation')
>>> fig.tight_layout()
>>> fig.show()

使用 FFT 卷积实现的高斯模糊。请注意图像周围的深色边框，这是由于其边界之外的零填充。 convolve2d 函数允许其他类型的图像边界，但速度要慢得多。

>>> from scipy import misc
>>> face = misc.face(gray=True)
>>> kernel = cp.outer(cusignal.gaussian(70, 8), cusignal.gaussian(70, 8))
>>> blurred = cusignal.fftconvolve(face, kernel, mode='same')

>>> fig, (ax_orig, ax_kernel, ax_blurred) = plt.subplots(3, 1,
...                                                      figsize=(6, 15))
>>> ax_orig.imshow(face, cmap='gray')
>>> ax_orig.set_title('Original')
>>> ax_orig.set_axis_off()
>>> ax_kernel.imshow(cp.asnumpy(kernel), cmap='gray')
>>> ax_kernel.set_title('Gaussian kernel')
>>> ax_kernel.set_axis_off()
>>> ax_blurred.imshow(cp.asnumpy(blurred), cmap='gray')
>>> ax_blurred.set_title('Blurred')
>>> ax_blurred.set_axis_off()
>>> fig.show()

相关用法

注：本文由纯净天空筛选整理自rapids.ai大神的英文原创作品 cusignal.convolution.convolve.fftconvolve。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

例子：