在图像上使用 np.fft.fft2 时,结果与输入的大小相同。对于真实图像,实数到复数 FT 具有对称性,其中 ft[i,j] == ft[-i,-j].conj(),如 this answer 中所述。 . 出于这个原因,一些框架(例如 PyTorch 或 scikit-cuda)返回形状为 (height//2 +1, width//2 + 1) 的 FT。 现在,给定一个无冗余/单边 FT,我如何使用 numpy index magic 将其映射到 numpy 的完整 FT 输出?
背景:我需要这个来翻译一些 numpy 代码。
请您参考如下方法:
如果您使用 torch.rfft ,然后您可以设置 onesided=False 以获得完整的转换。
该文档没有说明输出的格式,最好的猜测是假设它返回最后一个维度的前半部分元素,这意味着 ft[i,j], i 在半开区间 [0,in.shape[0]), j 在half-open range [0,in.shape[1]), and in input image, 可以读取如下:
cutoff = in.shape[1] // 2 + 1
if j >= cutoff:
return ft[-i, in.shape[1] - j].conj()
else:
return ft[i, j]
如果您使用 skcuda.fft.fft ,文档同样明确,因此我会做出与上述相同的猜测。
要从这些函数返回的半平面 DFT 中获得完整的 DFT,请使用以下代码:
import numpy as np
size = 6
halfsize = size // 2 + 1
half_ft = np.random.randn(size, halfsize) # example half-plane DFT
if size % 2:
# odd size input
other_half = half_ft[:, -1:0:-1]
else:
# even size input
other_half = half_ft[:, -2:0:-1]
other_half = np.conj(other_half[np.hstack((0, np.arange(size-1, 0, -1))), :])
full_ft = np.hstack((half_ft, other_half))
也就是说,我们沿两个维度翻转数组(这是二维情况,根据需要调整其他维度),但第一行和第一列(直流分量)不重复,对于偶数大小的输入,最后一行和最后一列也不重复。
