如何使用FFT加速2D卷积？
使用FFT（快速傅里叶变换）加速2D卷积可以通过以下步骤实现：
- 首先，将输入图像和卷积核分别进行零填充，使其大小变为2的幂次方。这是因为FFT算法要求输入序列的长度为2的幂次方。
- 对零填充后的输入图像和卷积核分别进行二维FFT变换，得到频域表示。
- 将输入图像和卷积核的频域表示进行逐元素相乘。
- 对相乘结果进行逆FFT变换，得到加速后的卷积结果。
使用FFT加速2D卷积的优势在于可以大大减少计算量，尤其在卷积核较大时效果更为明显。FFT算法的时间复杂度为O(NlogN)，而传统的直接卷积算法的时间复杂度为O(N^2)。
应用场景包括图像处理、信号处理、模式识别等领域。在图像处理中，使用FFT加速2D卷积可以提高图像滤波、边缘检测、特征提取等算法的运行速度。
腾讯云提供了一系列与图像处理相关的产品，例如：
- 腾讯云图像处理（Image Processing）：提供了图像增强、图像识别、图像搜索等功能，可用于图像处理中的各种应用场景。详情请参考：腾讯云图像处理
- 腾讯云人脸识别（Face Recognition）：提供了人脸检测、人脸比对、人脸搜索等功能，可用于人脸识别、人脸验证等应用场景。详情请参考：腾讯云人脸识别
以上是关于如何使用FFT加速2D卷积的完善且全面的答案。
相关·内容
1回答
用快速傅里叶变换模糊矩阵
、、、、
我想模糊矩阵中的值，这样在相邻的元素中我们就不会有尖锐的跃迁。
在维基百科的页面上，我发现了一些关于高斯模糊的信息。我用最简单的算法尝试过，因此运行时间太长了。坦率地说，我不确定我的实现是否正确，因为在边界tiles上仍然存在急剧转换。
我注意到，这种模糊可以用离散傅里叶变换来完成，这要快得多，但我想不出来。
因此，我们的想法是，我们可以用下面的公式得到模糊矩阵：
blurredMatrix = IFFT[FFT[initialMatrix]FFT[weightingFunction]]
其中FFT/IFFT是快速傅里叶变换/逆快速傅里叶变换。
目前，我正试图在Wolfram上做一些测试，以确
浏览 1提问于2015-05-21得票数 2
回答已采纳
我正在研究语音音调识别问题，为了分析目的，我使用了python，它给了我适当的结果.但是，当我试图在iOS中使用accelerate framework重新创建相同的东西时，会产生不正确或奇怪的结果。有人能帮帮我吗。
我想使用FFT convolution来执行FFT convolution，这在使用scipy.signal.fftconvolve的python中非常好。但是，当我试图使用vDSP_conv做同样的事情时，它给出了不正确的结果。
如果在这方面有经验或知识的人能在这方面指导我或解释fftconvolve是如何工作的，这将是一个很大的帮助。提前谢谢。
浏览 6提问于2017-06-02得票数 0
我正在使用2D gabor代码进行图像处理。Gabor滤波器组是通过Gabor小波4尺度8方向生成的。然后我有4*8个过滤器。无论如何，我在程序中发现，它首先对图像进行快速傅立叶变换，然后对Gabor滤波器进行快速傅立叶变换，并消除GAbor快速傅立叶变换中的直流分量。
[Gr,Gi] = Gabor(N,[s n],freq,[stage orientation],flag);
F = fft2(Gr+j*Gi);
F(1,1) = 0;
然后对图像FFT和Gabor滤波器FFT的点乘运算进行逆FFT。
D = abs(ifft2(im.*GW));
有没有人可以解释为什么它是这样的？F
浏览 3提问于2014-03-21得票数 1
1回答
我实现了一种使用这样的高斯模糊图像的方法：
- image I , size = WxH
- kernel K , size = MxM
- padded the kernel PD to the size of the image
i.e for an image 5x5 and a kernel 3x3 after padding the kernel looks like:
0 0 0 0 0
0 x x x 0
0 x x x 0
0 x x x 0
0 0 0 0 0
where X is the value from the origi
浏览 1提问于2014-12-10得票数 2
回答已采纳
1回答
我正在尝试使用频域中的2D循环卷积进行时域乘法。实际上，我知道它在一维情况下是如何工作的。像这样：
x = [1 2 3 4 5];
y = [4 5 6 7 8];
xy = 1/5*ifft( cconv(fft(x), fft(y), 5));
xy0 = x.*y;
xy和xy0是一样的，这就是我想要的。然而，对于2D情况，在matlab中没有定义cconv，我不知道如何在频域中使用卷积在相同大小的2个矩阵之间执行乘法。
假设我们有以下矩阵：
x = [3 5 4;
7 6 1;
-1 2 0];
y = [2 7 1;
2 -3 2;
5 6
浏览 0提问于2016-11-28得票数 2
我使用iOS加速框架来寻找二维阵列的快速傅立叶变换。下面的代码正确地工作仅的功率2图像。我们必须垫输入阵列与zeros的非功率2图像。但我不能正确地做填充物。目前，I pad数组如下所示
float inputImg2D[3][3] = { 1,1,1, 1,1,1, 1,1,1 };
float paddedImg2D[4][4] = { 1,1,1,0, 1,1,1,0, 1,1,1,0, 0,0,0,0 };
float expectedOutput[6]6] = { 9,0,0,0,0,0
0,0,0,0,0,0
浏览 4提问于2015-04-02得票数 1
回答已采纳
2回答
假设，我们有一个位图图像表示为一个二维整数数组，int [,] image2D;，其FFT为Complex[,] fftImage2D;。
假设，我们有一个内核表示为2D整数数组，int [,] kernel2D;，其FFT为Complex[,] fftKernel2D;。
我们知道，image2D和kernel2D的卷积(在空间域中)是，
int Rows = image2D.GetLength(0);
int Cols = image2D.GetLength(1);
for(int i=0 ; i<Rows ; i++)
{
for(int j=0 ; j<Cols
浏览 10提问于2016-06-12得票数 3
回答已采纳
1回答
FFT卷积-如何应用内核
、、、
我是图像处理的新手，我发现FFT卷积可以大大加快大核卷积的速度。
我的问题是，在使用kissFFT时，如何将内核应用于频率空间中的图像？
我已经做了以下工作：
//I have an image with RGB pixels and given width/height
const int dim[2] = {height, width}; // dimensions of fft
const int dimcount = 2; // number of dimensions. here 2
kiss_fftnd_cfg stf = kiss_fftnd_alloc(dim, dimcou
浏览 1提问于2011-08-09得票数 3
回答已采纳
2回答
我已经成功地编写了一些CUDA FFT代码，可以对图像进行2D卷积，以及其他一些计算。
我该如何计算出我能运行的最大的FFT是什么？似乎2D R2C卷积的计划需要2倍的图像大小，另外2倍于C2R的图像大小。这似乎有很大的开销！
而且，似乎大多数基准测试都是针对相对较小的FFTs..why的，是这样吗？对于大图像，我似乎很快就会耗尽内存。这通常是如何处理的？你能在图像的一块上执行FFT卷积，然后组合这些结果，并期望它与我在整个图像上运行2DFFT一样吗？
感谢您回答这些问题
浏览 0提问于2011-05-14得票数 3
回答已采纳
2回答
使用FFT实现2D卷积
、、、
对于使用大核(滤镜)卷积大图像，TensorFlow.conv2d()的速度非常慢。将1024x1024图像与相同大小的内核进行卷积需要几分钟时间。为了进行比较，cv2.filter2D()会立即返回结果。
我找到tf.fft2()和tf.rfft()了。
然而，我并不清楚如何使用这些功能执行简单的图像过滤。
如何使用快速傅立叶变换在TensorFlow中实现快速2D图像滤波？
浏览 2提问于2018-05-22得票数 3
2回答
我需要将许多大的3D数组(具有500x500x500的形状)相加在一起，并希望通过在傅立叶空间中使用乘法来加速这一过程。问题是，与简单的矩阵相加相比，在傅立叶空间中相乘时，我得不到相同的答案。
为了测试它，我写了一个最小的例子，试图让它工作，但答案并不是我所期望的。要么是我的数学知识有误，要么是我没有正确使用函数。
下面是最简单的代码，展示了我正在尝试做的事情：
import numpy as np
c = np.asarray(((1,2),(2,3)))
d = np.asarray(((1,4),(1,5)))
print("Transform")
Nc = np.f
浏览 3提问于2019-02-08得票数 1
我有两个信号x1和x2。我试着用卷积(x1，X2)直接做一次卷积，用快速傅立叶变换和快速傅立叶变换做一次卷积，并比较两种操作的执行时间。
我不知道为什么fft的执行时间不比conv快。
n = 0: 2^15 ;
x1(n+1) = (0.25).^n ;
x2(n+1) = 1;
tic
Time_Convolution = conv(x1,x2);
toc
Padding = (length(x1)+ length(x2) - 1)-length(x1) ;
x1_before_fft = [ x1 zeros(1, Padding) ];
x2_before_fft = [ x2
浏览 2提问于2018-10-10得票数 0
1回答
用fft的点积
、、、、
根据卷积定理，时域卷积是fft域的乘积。使用正确的零填充，它工作：
% convolution in time domain
a = [1 2 3];
b = [4 5 6];
c = conv(a,b);
a_padded=[a 0 0]; b_padded=[b 0 0];
c_bis=ifft(fft(a_padded).*fft(b_padded));
% we do find c_bis=c
然而，这个定理也适用于反过来工作，时间域上的乘积就是fft域中的卷积。我不明白这部分：
d = a.*b;
D=conv(fft(a_padded),fft(b_padded));
d_bis
浏览 2提问于2014-02-18得票数 3
回答已采纳
2回答
在iOS上应用带通滤波器
、、、、
我正在开发一个应用程序，我需要它来分析在iphone/ipad上内置麦克风的输入频率。我知道我需要使用FFT，我已经找到了一个框架，可以帮助我做到这一点。我唯一关心的是是否有一个包含带通过滤的代码或框架？欢迎提出建议。
编辑原谅我的无知。我之前贴出我只想使用一个带通方程，当我发现带通是低通和高通滤波器的时候。我仍然欢迎大家提出建议。
浏览 3提问于2011-05-25得票数 0
2回答
带FFT问题的高斯模糊
、、、、
我有一个目前的实现高斯模糊使用规则卷积。对于小内核来说，它是足够有效的，但是一旦内核的大小变得更大，性能就会受到影响。因此，我正在考虑用FFT实现卷积。我从来没有与FFT相关的图像处理经验，所以我有几个问题。
基于二维FFT的卷积也可分为两个一维卷积吗？
- If true, does it go like this - 1D FFT on every row, and then 1D FFT on every column, then multiply with the 2D kernel and then inverse transform of every column an
浏览 2提问于2011-08-16得票数 5
回答已采纳
6回答
是否有一个基于FFT的2D互相关或卷积函数内置于FFT(或另一个流行的库)？
有这样的功能：
scipy.signal.correlate2d --“convolveND实现的直接方法对于大数据来说将是缓慢的”。
scipy.ndimage.correlate -“该数组与给定的内核相关，使用精确的计算(即不使用FFT)。
scipy.fftpack.convolve.convolve，我不太明白，但似乎错了
numarray有一个，但是我猜numarray被折叠到numpy中，我无法找到是否包含了这个函数。
浏览 15提问于2009-07-08得票数 24
回答已采纳
4回答
我需要对两个大数组进行一维卷积。我在C#中使用了这段代码，但它需要很长时间才能运行。
我知道，我知道！FFT卷积非常快。但是在这个项目中我不能使用它。这是项目的一个限制，不能使用FFT (请不要问为什么:/)。
这是我用C#编写的代码(顺便说一下，是从matlab移植过来的)：
var result = new double[input.Length + filter.Length - 1];
for (var i = 0; i < input.Length; i++)
{
for (var j = 0; j < filter.Length; j++)
{
浏览 0提问于2011-08-30得票数 11
回答已采纳
1回答
我读过一些卷积实现使用FFT来计算输出特性/激活映射，我想知道它们之间有什么关系。我熟悉CNN的应用，也(温和地)熟悉FFT在信号处理中的应用，但我不知道两者是如何一起工作的。
当我想到卷积时，我想象得到一个内核，翻转它，用重叠的输入乘以(并添加)内核的元素，移动内核并重复这个过程。FFT是如何适应这个过程的？
浏览 0提问于2017-03-01得票数 5
回答已采纳
3回答
我有2个2D数组。我尝试沿着轴1卷积。np.convolve没有提供axis参数。答案here使用np.apply_along_axis将1个2D数组与1个1D数组进行卷积。但它不能直接应用到我的用例中。问题here没有答案。 MWE如下。 import numpy as np
a = np.random.randint(0, 5, (2, 5))
"""
a=
array([[4, 2, 0, 4, 3],
[2, 2, 2, 3, 1]])
"""
b = np.random.randint(0, 5, (2, 2))
&#
浏览 17提问于2021-09-17得票数 9
2回答
因此，我知道FFT卷积比实空间卷积具有更低的计算复杂度。但是FFT卷积的缺点是什么呢？
内核大小是否总是必须与映像大小相匹配，或者是否有函数来处理这个问题，例如，在pythons和scipy包中？那么抗混叠效果呢？
浏览 8提问于2013-08-22得票数 26
2回答
我有一个程序，我已经写在我的Mac上，但不会运行在我的覆盆子Pi，因为耗尽内存(MemoryError)。
该程序的本质是一些图像处理，其中它将移交640x480 uint8与两倍大小的complex128。
我认为内存的使用方式是:初始映像：
640 x 480 x 8 bits / 8 bits / 1024 bytes = 300 kb
复矩阵：
640 x 480 x 2^2 x 128 bits / 8 bits / 1024^2 = 18.75 MB
让我们假设它必须在内存中保存这些不同矩阵的两个或三个副本--这应该是相当小的占用空间--也许是< 100 MB。不幸的是，它似
浏览 3提问于2014-06-10得票数 5
1回答
这是一个不完整的Python代码片段，它使用FFT进行卷积。
我想修改它，使它支持，1)有效卷积2)和完全卷积。
import numpy as np
from numpy.fft import fft2, ifft2
image = np.array([[3,2,5,6,7,8],
[5,4,2,10,8,1]])
kernel = np.array([[4,5],
[1,2]])
fft_size = # what size should I put here for,
# 1) va
浏览 1提问于2014-03-11得票数 4
回答已采纳
1回答
我想把一些Matlab变换命令和转换成。DFTs是：
fft(A,n)
fft(A,n,dim)
ifft(A,[],dim)
其中A是一个复向量。例如，fft(A,n)是c06fc(real(A),imag(A),'n',n)。
Problem：我很难找到与fft(A,n,dim)和ifft(A,[],dim)相同工作的合适NAG函数。
上下文:我使用Bruno的卷积函数来计算包含100万个复数元素的向量的卷积，convnfft(A,B,'same')。Luong的函数使用FFT来快速计算卷积，我想通过使用NAG函数来加快速度。
浏览 7提问于2017-01-16得票数 0
1回答
我试图实现一种算法来高效地计算卷积和相关的组合，如下所示：
c(x,y)=(sum of i, (sum of j, a(x-i,y+j)*b(i,j)))
我知道一维卷积或相关可以通过
a conv b = ifft(fft(a).*fft(b))
a corr b = ifft(fft(a).*conjg(fft(b)))
但我不知道它们在二维或N-D问题中的组合。我认为它类似于二维卷积，但我不知道具体的演绎过程。
浏览 0提问于2019-04-20得票数 2
回答已采纳
1回答
R中的卷积
、、
我试着直接在R中做卷积，使用FFT，然后求逆。但从简单的观察来看，这似乎是不正确的。看看这个例子：
# DIRECTLY
> x2$xt
[1] 24.610 24.605 24.610 24.605 24.610
> h2$xt
[1] 0.003891051 0.003875910 0.003860829 0.003845806 0.003830842
> convolve(h2$xt,x2$xt)
[1] 0.4750436 0.4750438 0.4750435 0.4750437 0.4750435
# USING INVERSE FOURIER TRANSFOR
浏览 0提问于2011-03-08得票数 6
回答已采纳
2回答
两个离散傅立叶变换的卷积
、、、
给定两个有限序列x(i)和y(i)，i=1…n。我知道逐点积x.y的离散傅立叶变换( DFT )等于x和y的两个DFT之间的卷积：
DFT(x.y) = (DFT(x) * DFT(y))/n
现在我用python测试这段简单的代码：
import numpy as np
x = np.array([1,2,3])
y = np.array([0.1, 1, 0.5])
Dftxy = np.fft.fft(x*y) # DFT(x.y)
Dftx = np.fft.fft(x)
Dfty = np.fft.fft(y)
CDftxy = np.convolve(Dftx,Dfty,
浏览 4提问于2016-05-13得票数 0
1回答
我已经用CUDA内核做了几天的实验，在500x500图像(但我也可以改变尺寸)和非常小的2D内核( laplacian 2D内核，所以它是3x3内核)之间执行快速的2d卷积。太小，无法充分利用所有的cuda线程)。
我创建了一个典型的CPU实现(两个循环，就像您想象的那样简单)，然后我开始创建CUDA内核。
经过几次令人失望的尝试来执行更快的卷积，我最终得到了这样的代码： (请参阅共享内存部分)，它基本上允许一个16x16线程阻塞共享内存中他需要的所有卷积数据，然后执行卷积。
没什么，CPU还是快得多。我没有尝试FFT方法，因为CUDA SDK指出它具有很大的内核大小。
不管你是否读了我写的所
浏览 3提问于2012-04-13得票数 14
回答已采纳
我想用点扩展函数(PSF)对2D图像进行去卷积。我已经看到有一个用于一维数组的scipy.signal.deconvolve函数和一个用于卷积多维数组的scipy.signal.fftconvolve函数。在scipy中有一个特定的函数来对2D数组进行反卷积吗？
我定义了一个fftdeconvolve函数，将fftconvolve中的乘积替换为一个除法：
def fftdeconvolve(in1, in2, mode="full"):
"""Deconvolve two N-dimensional arrays using FFT. See c
浏览 1提问于2013-07-04得票数 11
我需要计算以下卷积：
K是一个非常简单的滤波器，它只是一个有限的矩形盒(!)大小。我的数据是狄拉克三角洲时代t_i的列表。
直截了当的解决办法是将数据存放起来，并使用numpy或bin的卷积函数之一。但是，还有更快的方法吗？我是否可以避免数据的绑定，并利用这样的事实：( a)我的过滤器的大小是有限的(只是一个框)和( b)我有一个时间点列表。因此，我只需要检查我的时间点目前是否是滑动框的一部分。
因此，我正在寻找一个复杂度为O(d*n)的解，其大小与卷积的分辨率相同。因此，我想要比O(b**2)要快得多，因为有b的桶数。此外，由于n << b，它仍然认为，对于基于fft的
浏览 1提问于2014-09-30得票数 1
回答已采纳
2回答
几个月前，我发现使用FFT算法( FFTW库)以最快的方式计算卷积。
使用下面的代码，我得到了有争议的结果。
导入
from scipy import fftpack
from numba import jit
用FFT卷积：
def conv_fft(X, R):
n = len(X)
a = fftpack.fft(X)
b = fftpack.fft(R)
c = a * b
e = fftpack.ifft(c)
result = e[n]
return result
使用公式的卷积：
@jit(cache=True)
de
浏览 0提问于2016-02-20得票数 2
回答已采纳
2回答
如果我具有信号值xT和滤波器系数bi，则可以使用卷积执行滤波。
假设我有x的频谱(在FFT之后)，并且我需要使用滤波器系数执行滤波，我该如何执行此操作？我听说在频域中它将是乘法，而不是卷积(时域)。但是我找不到一个方程式来使用它。我在y= fft(xT)向量中有614000个值和119个滤波器系数(使用fdatool生成)，我不能直接将它们相乘……谢谢。
浏览 3提问于2012-10-28得票数 0
回答已采纳
我正在尝试使用PyFFTW进行线程卷积，以便同时计算大量的2D卷积。(不需要单独的进程，因为GIL是为Numpy操作发布的)。下面是这样做的规范模型：
(Py)FFTW之所以如此快速，是因为它重用了计划。它们必须为每个线程单独设置，以避免访问冲突错误，如下所示：
class Worker(Thread):
"""Thread executing tasks from a given tasks queue"""
def __init__(self, tasks):
Thread.__init__(self)
浏览 2提问于2011-08-25得票数 4
回答已采纳
2回答
这不是一个“编程”问题。但我相信在这个社区里，这是众所周知的，也是众所周知的。
我有一个图像，x，和一个小得多的图像，y，我需要通过将它们的FFT相乘来将两者转换。但是由于它们的大小不一样，我不知道如何进行频域乘法。
我取x的(二维) FFT (它是维数4096 x 4096的整数矩阵)，它给出了频域表示，X(它是一个复数矩阵，我认为它的维数是2048x2048)。
类似地，我取y的二维FFT (维数为64x64的整数矩阵)，它给出了频域表示，Y(也是一个复数矩阵，我认为它的维数是32x32)。
我在数值计算中使用了四n函数，所以我的输入矩阵，x和Y必须折叠成一维数组，它们被离散的Fourie
浏览 4提问于2009-09-03得票数 9
2回答
实现低通FIR滤波器，什么时候应该使用FFT和IFFT而不是时域卷积？
目标是实现实时计算所需的最低CPU时间。据我所知，FFT的复杂度约为O(n log )，而时域卷积的复杂度为O(n²)。要在频域中实现低通滤波器，需要使用FFT，然后将每个值与滤波系数相乘(这些系数被转换到频域)，然后进行IFFT。
那么，问题是什么时候有理由使用基于频率(FFT+IFFT)的滤波而不是基于直接卷积的FIR滤波器？比方说，如果一个人有32个定点系数，是否应该使用FFT+IFFT？128个系数怎么样？以此类推。
试图优化现有的源代码(基于卷积的FIR滤波器)，我完全困惑，要么我应该使用FFT，要么只是优化它使
浏览 2提问于2010-06-21得票数 6
回答已采纳
我试图证明，如果DFT(y)=DFT(x) * DFT(h)，那么y=x * h。我使用了np.fft.ifft属性，但第二个表达式的计算结果不是True。代码如下： import numpy as np
import scipy.signal as sp
import matplotlib.pyplot as plt
import math
import cmath
X=[1.+1.j, 2.+3.j,1.+2.j]
H=[2.+3.j,1.+1.j,3.+3.j,4.+5.j]
Y=sp.convolve(X,H)
y=np.fft.ifft(Y)
x=np.fft.ifft(X)
浏览 39提问于2019-04-29得票数 1
1回答
问题描述
我利用卷积定理有效地计算了卷积。假设有两个实际信号s1和s2长度分别为N。然后，我就可以从
import numpy as np
import numpy.fft as fft
size = len(s1)
fft_size = int(2 ** np.ceil(np.log2(2 * size - 1))) #The size for the FFT algorithm
S1 = fft.rfft(s1, fft_size) #Take FTs
S2 = fft.rfft(s2, fft_size)
convolution = fft.irfft(S1 * S2) #Take
浏览 4提问于2012-02-14得票数 1
回答已采纳
1回答
我正在用三种不同的方式在合成图像上实现2d周期卷积:使用scipy、使用torch和使用Fourier变换(也是在torch框架下)。
然而，我有不同的结果。通过手工运算，我可以看到scipy的卷积得到了正确的结果，而torch的空间版本则产生了预期的结果倒置。最后，Fourier版本返回了一些意想不到的结果。
守则如下：
import torch
import numpy as np
import scipy.signal as sig
import torch.nn.functional as F
import matplotlib.pyplot as plt
def numpy_pe
浏览 0提问于2019-03-16得票数 2
回答已采纳
我是一位经验丰富的软件工程师，有一些小的大学DSP知识。我正在开发一个智能手机应用程序来处理信号数据，例如来自麦克风( 44100 Hz采样)和加速度计( 32-50 Hz采样)的信号数据。例如，我的应用程序将是音高检测器等等。
我想在电话上实现一个低通滤波器(LPF)，以消除混叠频率，特别是对于加速度计，因为它的采样率很低。，但是，当我尝试应用 方法时，我发现了一个矛盾。如果能提供任何帮助，我们将不胜感激。
以下是我的推理：
我正在读取一个信号，我想使用LPF来做反混叠(消除混叠频率)。
为了在我的智能手机上实现LPF，我选择将FIR滤波器(即加窗的sinc函数)应用于时域信号。设
浏览 4提问于2011-11-16得票数 5
我有两个想要同步的信号(找到时间延迟)。我已经使用了"ccf“函数并找到了最大值，在下面的文章中：
我想我得做点什么
fft1 <- fft(my.vector1)
fft2 <- fft(my.vector2)
ccf(fft1, fft2, lag.max = 6000, plot = FALSE)
然而，出于效率的原因，我想实现与快速傅立叶变换(FFT)的互相关，就像在其他文章中所建议的那样。我对300.000个样本进行了多次测试(在2000赫兹下采样1.5分钟)，最大延迟时间为-3至3秒。
关于如何在R中这样做，有什么提示吗？
我知道fft和ccf函数，但不知道如
浏览 1提问于2014-12-31得票数 2
回答已采纳
1回答
我有一张RGB图像，我正在尝试找出这张图像是对焦的还是失焦的。一开始我做了2DFFT，但当我绘制径向光谱时，焦点图像和散焦图像之间没有明显的区别。我被告知使用图像的导数，但当我绘制这个新的光谱时，结果看起来并不像我预期的那样。因为它是一个更大的程序的一部分，所以我在这里编写了一个伪代码，这不是完整的程序
%read the file and the part of the image I am working on
file='test1.jp2'
image_part=imread(file,'PixelRegion',{[xpixmin xpixm
浏览 1提问于2013-11-20得票数 0
1回答
我有下面的代码，它产生两个矩阵的卷积。我的问题是卷积非常消耗内存。有什么办法让这件事更快吗？
如何删除temp变量？
有更快的方法做fft吗？
有更友好的Matlab版本吗？我应该在某个地方预先分配吗？
函数res = fftconv(data，query) N= size(data,1)；R= size(query,1)；C= size(query,2)；query(end+1:N，end+1:N)=0；temp = ifft2(fft2(data).*fft2(query))；res = temp(R: end，C:end)；end
浏览 2提问于2016-09-30得票数 0
1回答
我读到，为了计算两个信号x，y(例如1d)的卷积，天真的方法采用O(NM)。
然而，在FFT^-1(FFT(x)FFT(y))的情况下，使用快速傅立叶变换来计算O(N log(N))，在N>M的情况下采用N>M。
我想知道为什么这个复杂性被认为比前者更好，因为M不一定比log(N)大。而且，M通常是滤波器的长度，它不随要滤波的信号而缩放，它实际上将给我们提供一个与O(N)比O(N^2)更相似的复杂性。
浏览 0提问于2018-04-12得票数 1
回答已采纳
3回答
分析我正在做的一些计算工作表明，我的程序中的一个瓶颈是一个基本上做到了这一点的函数(np是numpy，sp是scipy)：
def mix1(signal1, signal2):
spec1 = np.fft.fft(signal1, axis=1)
spec2 = np.fft.fft(signal2, axis=1)
return np.fft.ifft(spec1*spec2, axis=1)
两个信号都具有形状(C, N)，其中C是数据集的数量(通常小于20)，N是每组中的样本数(约5000)。每个集合(行)的计算完全独立于任何其他集合。
我认为这只是一个简单的
浏览 122提问于2011-07-28得票数 16
回答已采纳
我试图在MATLAB中检验卷积定理。我有一个叫sine_big_T的信号。然后我有一个名为W的过滤器。W和sine_big_T的长度相同。
卷积定理认为fft(sine_big_T.*W)与fft(sine_big_T)与fft(W)的卷积是一致的。
我对这个定理很困惑。fft(sine_big_T.*W)将给我一个长度为length(sine_big_T)的数组。但是，conv(fft(sine_big_T), fft(W))为我提供了一个长度为length(sine_big_T) + length(W) - 2的数组。我已经尝试了推荐的conv(fft(sine_big_T), fft(W
浏览 0提问于2019-04-12得票数 0
回答已采纳
2回答
在频域乘以图像
、、、
我一直在处理频域中的图像(通过对图像进行DFT或FFT )，我知道空间域中的卷积是频率上的乘法。
所以我的问题是，如果我想在空间域中应用特定的内核(假设是9x9平滑内核)，我只需要用9x9滤波器对整个图像进行卷积。现在，如果我想在频域做同样的事情，我是不是同时对图像和内核进行FFT？那么我该如何/乘以什么呢？在我有了新的数据集(图像乘以内核)之后，我只是反转了FFT的方向，这应该会得到与内核在空间域中卷积图像相同的结果，对吧？
谢谢你的帮助！
浏览 2提问于2011-03-22得票数 3
回答已采纳
1回答
功率谱的自相关
、、、、
有谁知道如何实现一幅图像的功率谱自相关？我尝试使用：
autocorrel = ifft( | fft(power spectrum) | ^ 2 );
但是它不工作吗？你知道为什么吗?或者用其他方式？
浏览 0提问于2012-06-22得票数 1
回答已采纳
1回答
我正在尝试使用傅立叶反卷积从信号中删除探头功能，但我无法使用测试信号获得正确的输出。
t = np.zeros(30)
t = np.append(t, np.arange(0, 20, 0.1))
sigma = 2
mu = 5.
g = 1/np.sqrt(2*np.pi*sigma**2) * np.exp(-(np.arange(mu-3*sigma,mu+3*sigma,0.1)-mu)**2/(2*sigma**2))
def pad_signals(s1, s2):
size = t.size +g.size - 1
size = int(2 ** np.c
浏览 0提问于2018-04-15得票数 2
1回答
频域变亮度
、、、、
我可能不明白频域是如何工作的。对于一个项目，我必须用Python改变图像的亮度，而不需要在空间域中工作。
目前，我可以通过卷积应用一些模糊滤波器，如下例所示：
def arithmeticMeanFilter(self, img):
img = img.convert('RGB')
open_cv_image = np.array(img)
red = open_cv_image[:, :, 0]
green = open_cv_image[:, :, 1]
blue = open_cv_image[:, :, 2]
mea
浏览 3提问于2019-02-23得票数 1
回答已采纳
1回答
我正在尝试编写一个完全在谱域中的卷积代码。我取了n个样本的时间峰值序列(为了简单起见，下面的例子只有一个峰值)，并用numpy.fft.fft计算傅立叶级数。我创建了一个m个样本(m << n)的'Ricker小波‘，并用numpy.fft.fft计算了它的傅立叶级数，但指定它的输出傅立叶级数是n个样本的长度。尖峰序列和小波具有相同的采样间隔。产生的卷积序列被移位(小波的峰值相对于尖峰沿时间轴移位)。这种偏移似乎取决于小波的大小m。
我认为这与numpy.fft.fft(a, n=None, axis=-1, norm=None)的参数有关，特别是'axis‘参数。
浏览 3提问于2020-05-13得票数 0
我想用FFT加速二维卷积。滤波器为15x15，图像为300x300。滤波器的大小与图像不同，所以在FFT后不能做点积。那么，如何在进行FFT之前对滤波器进行变换，使其大小能够与图像匹配？
浏览 4提问于2015-10-06得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
