Python中2D圆周卷积的内置程序及实现方案问询

Python中没有直接命名为“2D圆周卷积”的内置函数，但可以通过SciPy和NumPy的现有工具实现，以下是两种可靠的方案：

方案一：基于线性卷积+循环边界（scipy.signal.convolve2d） #

当输入数组尺寸相同时，圆周卷积等价于对线性卷积结果进行循环折叠。使用scipy.signal.convolve2d并设置boundary='wrap'（循环边界填充），再对输出结果做循环折叠即可得到圆周卷积：

import numpy as np
from scipy.signal import convolve2d

# 示例输入
a = np.array([[ -3-3j, 0-10j,  +3-3j, +3-3j],
              [-10+0j, 0+ 0j, +10+0j, 0-10.8j],
              [ -3+3j, 0+10j,  +3+3j, 0-10.7j],
              [-10+0j, 0+ 0j, +2+0.2j, -1+0j]]) 
b = np.array([[ -3-3.2j, 0-10.8j,  +3-3j, +3.2+4j],
              [-10+0j, 0+ 0j, +2+0.2j, -1+0j],
              [ -3+3j, 0+10j,  +3+4j, 0+ 0j],
              [ -3-3j, 0-10j,  +3-3j, +3-3j]])

# 计算带循环边界的全尺寸线性卷积
full_conv = convolve2d(a, b, boundary='wrap', mode='full')
m, n = a.shape

# 对全卷积结果做循环折叠，得到圆周卷积
circ_conv = np.zeros((m, n), dtype=np.complex128)
for i in range(full_conv.shape[0]):
    for j in range(full_conv.shape[1]):
        circ_conv[i % m, j % n] += full_conv[i, j]

# 也可用向量化操作替代双重循环（更高效）
# circ_conv = np.zeros_like(a)
# for i in range(m):
#     circ_conv[i] = np.add.reduceat(full_conv[i::m], np.arange(0, full_conv.shape[1], n), axis=1)

你之前截取前若干行列得到正确结果是巧合，通用场景下必须通过循环折叠将超出输入尺寸的部分累加回对应位置。

方案二：基于FFT频域计算（高效推荐） #

根据信号处理理论，时域圆周卷积等价于频域的点乘再逆变换，这种方法在数组尺寸较大时效率远高于时域方法：

import numpy as np
from scipy.fft import fft2, ifft2

# 示例输入（同上）
a = np.array([[ -3-3j, 0-10j,  +3-3j, +3-3j],
              [-10+0j, 0+ 0j, +10+0j, 0-10.8j],
              [ -3+3j, 0+10j,  +3+3j, 0-10.7j],
              [-10+0j, 0+ 0j, +2+0.2j, -1+0j]]) 
b = np.array([[ -3-3.2j, 0-10.8j,  +3-3j, +3.2+4j],
              [-10+0j, 0+ 0j, +2+0.2j, -1+0j],
              [ -3+3j, 0+10j,  +3+4j, 0+ 0j],
              [ -3-3j, 0-10j,  +3-3j, +3-3j]])

# 2D FFT变换
fft_a = fft2(a)
fft_b = fft2(b)

# 频域点乘
fft_c = fft_a * fft_b

# 逆FFT得到圆周卷积结果
circ_conv = ifft2(fft_c)

# 消除浮点运算带来的极小虚部（可选）
circ_conv = np.round(circ_conv, decimals=6)

你之前FFT方法出错的原因 #

scipy.fft.convolve默认实现的是线性卷积，mode='same'仅截取线性卷积的中心区域，并非圆周卷积。正确的圆周卷积必须通过“FFT→点乘→逆FFT”的流程实现，无需额外使用fftshift。

内容的提问来源于stack exchange，提问作者user19013072