我在Pytorch中实现了基于FFT的卷积,并通过conv2d()函数将结果与空间卷积进行了比较。使用的卷积滤波器是平均滤波器。由于期望的平均滤波,conv2d()函数产生了平滑的输出,但是基于fft的卷积返回了更加模糊的输出。我已经在这里附加了代码并输出-
空间卷积-
from PIL import Image, ImageOps
import torch
from matplotlib import pyplot as plt
from torchvision.transforms import ToTensor
import torch.nn.functional as F
import numpy as np
im = Image.open("/kaggle/input/tiger.jpg")
im = im.resize((256,256))
gray_im = im.convert('L')
gray_im = ToTensor()(gray_im)
gray_im = gray_im.squeeze()
fil = torch.tensor([[1/9,1/9,1/9],[1/9,1/9,1/9],[1/9,1/9,1/9]])
conv_gray_im = gray_im.unsqueeze(0).unsqueeze(0)
conv_fil = fil.unsqueeze(0).unsqueeze(0)
conv_op = F.conv2d(conv_gray_im,conv_fil)
conv_op = conv_op.squeeze()
plt.figure()
plt.imshow(conv_op, cmap='gray')
基于FFT的卷积-
def fftshift(image):
sh = image.shape
x = np.arange(0, sh[2], 1)
y = np.arange(0, sh[3], 1)
xm, ym = np.meshgrid(x,y)
shifter = (-1)**(xm + ym)
shifter = torch.from_numpy(shifter)
return image*shifter
shift_im = fftshift(conv_gray_im)
padded_fil = F.pad(conv_fil, (0, gray_im.shape[0]-fil.shape[0], 0, gray_im.shape[1]-fil.shape[1]))
shift_fil = fftshift(padded_fil)
fft_shift_im = torch.rfft(shift_im, 2, onesided=False)
fft_shift_fil = torch.rfft(shift_fil, 2, onesided=False)
shift_prod = fft_shift_im*fft_shift_fil
shift_fft_conv = fftshift(torch.irfft(shift_prod, 2, onesided=False))
fft_op = shift_fft_conv.squeeze()
plt.figure('shifted fft')
plt.imshow(fft_op, cmap='gray')
原始图像-
空间卷积输出-
基于fft的卷积输出-
有人可以解释这个问题吗?
您的代码的主要问题是Torch不做复数,其FFT的输出是3D数组,第3维具有两个值,一个用于实数,一个用于虚数。因此,乘法不会执行复杂的乘法。
目前在Torch中没有定义复杂的乘法(请参阅this issue,我们必须定义自己的乘法。
一个小问题,如果要比较两个卷积运算,也很重要,如下:
FFT在第一个元素(图像的左上像素)中获取其输入的原点。为了避免输出偏移,您需要生成一个填充的内核,其中内核的原点是左上角的像素。这很棘手,实际上...
您当前的代码:
fil = torch.tensor([[1/9,1/9,1/9],[1/9,1/9,1/9],[1/9,1/9,1/9]])
conv_fil = fil.unsqueeze(0).unsqueeze(0)
padded_fil = F.pad(conv_fil, (0, gray_im.shape[0]-fil.shape[0], 0, gray_im.shape[1]-fil.shape[1]))
生成填充的内核,其原点位于像素(1,1)中,而不是像素(0,0)中。它需要在每个方向上移动一个像素。 NumPy具有对此有用的函数roll
,我不知道Torch等效项(我对Torch一点都不熟悉)。这应该工作:
fil = torch.tensor([[1/9,1/9,1/9],[1/9,1/9,1/9],[1/9,1/9,1/9]])
padded_fil = fil.unsqueeze(0).unsqueeze(0).numpy()
padded_fil = np.pad(padded_fil, ((0, gray_im.shape[0]-fil.shape[0]), (0, gray_im.shape[1]-fil.shape[1])))
padded_fil = np.roll(padded_fil, -1, axis=(0, 1))
padded_fil = torch.from_numpy(padded_fil)
最后,将您的fftshift
函数应用于空间域图像,会导致频域图像(应用于图像的FFT的结果)发生偏移,使得原点位于图像的中间,而不是左上方。在查看FFT的输出时,此偏移很有用,但在计算卷积时毫无意义。
将这些东西放在一起,卷积现在是:
def complex_multiplication(t1, t2):
real1, imag1 = t1[:,:,0], t1[:,:,1]
real2, imag2 = t2[:,:,0], t2[:,:,1]
return torch.stack([real1 * real2 - imag1 * imag2, real1 * imag2 + imag1 * real2], dim = -1)
fft_im = torch.rfft(gray_im, 2, onesided=False)
fft_fil = torch.rfft(padded_fil, 2, onesided=False)
fft_conv = torch.irfft(complex_multiplication(fft_im, fft_fil), 2, onesided=False)
请注意,您可以执行单侧FFT节省一些计算时间:
fft_im = torch.rfft(gray_im, 2, onesided=True)
fft_fil = torch.rfft(padded_fil, 2, onesided=True)
fft_conv = torch.irfft(complex_multiplication(fft_im, fft_fil), 2, onesided=True, signal_sizes=gray_im.shape)
此处,频域的大小约为整个FFT的一半,但仅剩下多余的部分。卷积的结果不变。