Python中滤波核尺寸与代码执行时间的关系及异常原因咨询

我希望研究Python中滤波窗口尺寸与滤波代码执行时间的关系。在使用cv2.filter2D函数时，当我增大滤波核（kernel）的尺寸，执行时间起初按比例增长，但达到某个阈值后，时间几乎保持恒定。请问导致该现象的原因是什么？

代码实现 #

kernel = np.ones((g,g), np.float32)/(g*g)
image_filtered = cv2.filter2D(image ,-1, kernel)

滤波尺寸与执行时间对应关系 #

问题解答 #

出现这种现象的核心原因是OpenCV的cv2.filter2D内部会根据滤波核的尺寸自动切换卷积实现策略：

• 小尺寸核：直接使用空域卷积计算，每一个输出像素都需要和核内所有元素做乘法累加，时间复杂度为O(W×H×K×K)（W、H是图像宽高，K是核尺寸），所以执行时间会随K的平方成正比增长，和你观察到的“起初按比例增长”一致。
• 大尺寸核：当核尺寸超过某个阈值（通常是11×11左右，具体值取决于OpenCV的编译配置和硬件环境），OpenCV会自动切换为频域卷积（基于FFT快速傅里叶变换）。频域卷积的时间复杂度主要由FFT的O(N log N)主导，其中N是图像和核的尺寸（会补到2的幂次以优化FFT速度）。一旦核尺寸大到让FFT的固定开销成为主导，进一步增大核尺寸对整体执行时间的影响就会变得极小，所以时间几乎保持恒定。

另外补充两点细节：

• 频域卷积需要先将图像和核都转换到频域，做乘积后再逆变换回空域，这个转换过程有固定开销，只有当核足够大时，频域方法的效率才会超过空域卷积。
• OpenCV的这个策略是默认开启的，你可以通过设置cv2.filter2D的参数强制使用空域卷积，但大核下效率会显著降低。

内容的提问来源于stack exchange，提问作者Ali Hosseini