傅里叶变换卷积采用何种边界条件/模式？Python测试卷积定理出错求排查及示例

问题根源 #

你完全搞反了卷积定理的形式：

• 正确的卷积定理是：时域卷积的傅里叶变换 = 各自傅里叶变换的点乘，即 FT(f * g) = FT(f) ⊙ FT(g)（⊙表示逐元素相乘）
• 反过来，时域点乘的傅里叶变换 = 各自傅里叶变换的循环卷积 除以总元素数，即 FT(f ⊙ g) = (FT(f) *_circular FT(g)) / (M*N)（M、N是数组的行列数）

你的代码把两个关系搞混了，且没有做必要的归一化，自然等式不成立。另外，傅里叶变换对应的卷积是循环卷积，你用的boundary='wrap'这个边界条件是正确的，但要配合定理的正确形式。

正确实现示例 #

验证：时域卷积的FT = FT的点乘 #

from scipy import signal
import numpy as np

a = np.array([[1,2],[3,4]])
b = np.array([[5,6],[7,8]])

# 1. 计算时域循环卷积（傅里叶变换对应的卷积类型）
conv_time = signal.convolve2d(a, b, mode='same', boundary='wrap')
# 2. 计算卷积结果的傅里叶变换
ft_conv_time = np.fft.fft2(conv_time)

# 3. 计算两个数组各自的傅里叶变换，再做逐元素点乘
ft_a = np.fft.fft2(a)
ft_b = np.fft.fft2(b)
ft_product = ft_a * ft_b

# 浮点精度问题，用allclose判断是否相等
print(np.allclose(ft_conv_time, ft_product))  # 输出 True

验证：时域点乘的FT = FT的循环卷积 / 总元素数 #

# 1. 计算时域的逐元素点乘
pointwise_product = a * b
# 2. 计算点乘结果的傅里叶变换
ft_pointwise = np.fft.fft2(pointwise_product)

# 3. 计算两个傅里叶变换的循环卷积
conv_ft = signal.convolve2d(ft_a, ft_b, mode='same', boundary='wrap')
# 4. 除以数组总元素数（2x2=4）做归一化
conv_ft_normalized = conv_ft / (2*2)

# 对比结果
print(np.allclose(ft_pointwise, conv_ft_normalized))  # 输出 True

关键注意点 #

• 傅里叶变换默认对应循环卷积，必须用boundary='wrap'来模拟这种周期性重复的边界条件
• 严格区分卷积定理的两种形式，不要搞反时域和频域的操作对应关系
• 时域点乘对应的频域卷积必须做归一化，除以数组的总元素数，这是离散傅里叶变换的特性决定的

内容的提问来源于stack exchange，提问作者Winniebear