互相关python程序_Python中高效的二维互相关？

我决定通过FFT来实现它。在def fft_xcorr2D(x):

# Over axes (-2,-1) (default in the fft2 function)

## Pad because of cyclic (circular?) behavior of the FFT

x = np.fft2(np.pad(x,([0,0],[0,0],[0,34],[0,34]),mode='constant'))

# Conjugate for correlation, not convolution (Conv. Theorem)

x[:,1,:,:] = np.conj(x[:,1,:,:])

# Over axes (-2,-1) (default in the ifft2 function)

## Multiply elementwise over 2:nd axis (2 image bands for me)

### fftshift over rows and column over images

corr = np.fft.fftshift(np.ifft2(np.prod(x,axis=1)),axes=(-2,-1))

# Return after removing padding

return np.abs(corr)[:,3:-2,3:-2]

呼叫方式：

^{pr2}$

如果有人想用它：

我的输入是一个4D数组：(N, 2, #Rows, #Cols)

例如(500, 2, 30, 30)：500张图像，2个波段(例如偏振)，像素为30x30

如果您的输入不同，请根据您的喜好调整填充

检查输入顺序是否与我的相同，否则更改fft2和ifft2函数中的轴参数，则np.生产和fftshift。我使用fftshift在中间(否则在角落)获得最大值，因此如果这不是您想要的，请小心。在

为什么是最大值？从技术上讲，这不一定，但就我的目的而言是这样。fftshift用于获得一个看起来你习惯了的关联。否则，象限将“由内而外”。如果您想知道我的意思，请删除fftshift(只是fftshift部分，而不是它的参数)，像以前一样调用函数，并绘制它。在