Skip to main content
 首页 » 编程设计

python之对称数组与 NumPy 的卷积 : why is the result shifted

2025年05月04日11rubylouvre

我有两个 numpy 数组。每个包含一个以零为中心的类核函数,完全对称,长度均为 101。当我对这些数组进行卷积时,我是否应该期望另一个数组也以零为中心?我正在使用 numpy.convolve,我总是得到一个不以零为中心的结果内核数组,这不是我想要的:我需要一个也完全居中,没有偏移的内核数组。

我的代码大致是这样的:

import numpy as np 
import matplotlib.pyplot as plt 
 
x = np.array([...])        # x-axis 
array1 = np.array([...])   # Blue curve 
array2 = np.array([...])   # Green curve 
# All arrays are one-dimensional 
conv_array = np.convolve(array1, array2, mode='same') # Red curve 
conv_array /= max(conv_array) # Normalization 
 
plt.plot(x, array1) 
plt.plot(x, array2) 
plt.plot(x, conv_array) 
plt.show() 

曲线的结果图是这样的:

如何获得未移位的卷积数组?

请您参考如下方法:

一个非常简单的替代方法是使用 scipy.ndimage.convolve1d而不是 numpy.convolve .

import numpy as np 
import matplotlib.pyplot as plt 
from astropy.modeling import models 
 
# Create a model 
x = np.arange(101) - 50       # x-axis 
g1 = models.Gaussian1D(amplitude=2, mean=0, stddev=4) 
g2 = models.Gaussian1D(amplitude=3, mean=0, stddev=3) 
array1 = g1(x) 
array2 = 1 - g2(x) 
 
from scipy.ndimage import convolve1d 
 
conv_array2 = convolve1d(array1, array2) 
conv_array2 /= conv_array2.max() 
 
# One can also use numpy convolve here 
conv_array = np.convolve(array1, array2, mode='same') # Red curve 
conv_array /= max(conv_array) # Normalization 
 
plt.plot(x, array1) 
plt.plot(x, array2) 
plt.plot(x, conv_array) # Is centered on 0 
plt.plot(x, conv_array2) # Is centered on 0 
plt.show() 

我想问题是你的数组没有完全以 0 为中心。(所以 x[50] != 0 )。并且 numpy 在卷积之前翻转内核,因此你得到一个转变。请注意,如果您尝试我的示例 numpy.convolve结果也完全以 0 为中心,但我确定 array1和 array2以 0 为中心。根据你的情节,我猜 -22<x<27 (不居中)

我推荐的理由scipy是因为我也有类似的问题:-) 他们只是使用不同的定义:numpy和 scipy注意内核索引的不同符号。