编程速记(33)：Matlab&Python篇-np.roll&np.fft.fft2_np.roll对应matlab

一、简述

本文对Matlab与Python之间的几个函数转换进行说明。主要包括：

• 快速傅里叶变换 fft2 (Matlab) -> np.fft.fft2
• 数组滚动 circshift(Matlab) -> np.roll

事实上，对于三维数组，Matlab会将其分解其多个二维数组进行处理，而Python并不会这样（主要是针对图像处理过程中可能涉及到三维数组）

二、快速傅里叶变换 fft2

Matlab代码

  G  = fft2(circshift(bsxfun(@times, bsxfun(@minus, g, gt), k), -[r r])); % Eq. 6
1

fft2接收到的参数是一个[H,W,C]的三维数组。为了说明方便，我们不妨假设C=3（也即彩色图片）。默认情况下，Matlab的处理是分别对不同的channel使用fft2。事实上，Matlab的返回结果也是分channel返回的。

对应的Python代码

for c in range(depth):
    G.append(np.fft.fft2(Gt[:, :, c]))
1
2

需要说明的是：如果在Python中直接对三维数组Gt调用np.fft.fft2函数，其返回值与上面的Matlab版本代码是不一样的，因此需要手动来分channel处理。

三、数组滚动 circshift

Matlab

  G  = fft2(circshift(bsxfun(@times, bsxfun(@minus, g, gt), k), -[r r])); % Eq. 6
1

值得注意的是：即便circshift这里接收的是一个三维数组，也会自动拆分成多个二维数组进行调用。-[r,r]代表的是行和列分别向后滚动r个单位。事实上，对于这行代码，如果简单地对应成Python代码为：

np.roll(数据,[-r,-r])
1

效果是与Matlab调用bsxfun不同的。
我们的做法应当是先按轴0进行滚动，之后再按轴1进行滚动（反过来也是可以的。）

正确的对应的Python代码

for c in range(depth):
    Gt.append(np.roll(np.roll(minus_g[:, :, c] * k, shift=-r, axis=1), shift=-r, axis=0))
1
2

为了更好地理解这两者的区别，下面是一段实验demo，可供运行。

import numpy as np 
x = np.arange(10)
x2 = np.reshape(x,[2,5])
print(x2)
x3 = np.roll(np.roll(x2,shift=-2,axis=1),shift=-2,axis=0)
print(x3)
print(np.roll(x2,(2,2)))
print(np.roll(x2,[-1,-1]))
1
2
3
4
5
6
7
8

更多参考资料

• np.roll的用法
• circshift 函数详解