Я экспериментирую с KISSFFT в C++ после того, как мне не рекомендовали использовать FFTPACK для обработки двумерных массивов.
Я написал функцию поэлементного умножения для умножения двух двумерных массивов после их преобразования с помощью kiss_fftnd()
. Затем результат умножения преобразуется обратно с помощью функции обратного БПФ. К сожалению, результаты, которые я получаю с kissfft на C, отличаются от тех, которые я получаю с SciPy на python, как вы можете увидеть на изображении ниже:
Чтобы проверить функцию умножения, после преобразования двумерного входного массива я умножаю его сам на себя для простоты. Вот упрощенная версия на Python для иллюстрации алгоритма:
import numpy as np
from scipy import fft as scipy_fft
in1 = np.array([[ 98, 92], \
[ 9, 21], \
[ 130, 4]], dtype=np.uint8)
fft_out = scipy_fft.rfft2(in1)
fft_mult = fft_out * fft_out
ifft_data = scipy_fft.irfft2(fft_mult, in1.shape)
print('\nSciPy IRFFT2: shape=', ifft_data.shape, 'dtype=', ifft_data.dtype, '\n', ifft_data)
Я не могу придумать причину, по которой эту простую операцию нельзя было выполнить с помощью kissfft, а это значит, что мой подход к умножению, вероятно, неверен. Поскольку вывод kiss_fftnd()
представляет собой массив 1D, а не 2D, возможно, логика, которую я использую для итерации этого массива и выполнения поэлементного умножения, неверна.
Почему эти результаты отличаются и как сделать, чтобы kissfft возвращал те же значения, что и SciPy?
Если вы знаете функцию в kissfft, которая уже правильно выполняет умножение, она мне тоже подойдет. Пожалуйста, не предлагайте другие библиотеки для выполнения этой работы. Я ищу ответ, который конкретно касается kissfft.
Это полный исходный код на Python:
import numpy as np
from scipy import fft as scipy_fft
# complex_mult: multiplies two complex numbers
def complex_mult(n1, n2):
real_part = n1.real*n2.real - n1.imag*n2.imag
imag_part = n1.real*n2.imag + n2.real*n1.imag
return complex(real_part, imag_part)
# fft2d_mult: multiplies two 2D arrays of complex numbers
def fft2d_mult(array1, array2):
array_mult = np.empty(array1.shape, dtype=array1.dtype)
h, w = in1.shape
for j in range(h):
for i in range(w):
array_mult[j,i] = complex_mult(array1[j,i], array2[j,i])
return array_mult
print("\n######################## SCIPY RFFT/MULT/IRFFT #######################\n");
# initialize input data
in1 = np.array([[ 98, 92], \
[ 9, 21], \
[ 130, 4]], dtype=np.uint8)
print('Original data: shape=', in1.shape, 'dtype=', in1.dtype, '\n', in1)
# perform 2D RFFT
fft_out = scipy_fft.rfft2(in1)
print('\nSciPy RFFT2: shape=', fft_out.shape, 'dtype=', fft_out.dtype, '\n', fft_out)
# perform element-wise multiplication
fft_mult = fft2d_mult(fft_out, fft_out) # equivalent to: fft_mult = fft_out * fft_out
print('\nMultiplication result: shape=', fft_mult.shape, 'dtype=', fft_mult.dtype, '\n', fft_mult)
# perform inverse 2D RFFT
ifft_data = scipy_fft.irfft2(fft_mult, in1.shape)
print('\nSciPy IRFFT2: shape=', ifft_data.shape, 'dtype=', ifft_data.dtype, '\n', ifft_data)
Это полный исходный код на C++:
// compile with: g++ so_issue.cpp -o so_issue -I kissfft kissfft/kiss_fft.c kissfft/tools/kiss_fftnd.c
#include "kissfft/kiss_fft.h"
#include "kissfft/tools/kiss_fftnd.h"
// fft2d: receives a 2D array of floats, performs the forward transform with kiss_fftnd() and converts it into a kiss_fft_cpx array
kiss_fft_cpx* fft2d(float* input, int width, int height)
{
const int numDim = 2;
int shape[numDim] = { width, height };
int nfft = width * height;
// allocate 2D input array for FFT
kiss_fft_cpx* cin = new kiss_fft_cpx[nfft];
memset(cin, 0, nfft * sizeof(kiss_fft_cpx));
// allocate 2D output array for FFT
kiss_fft_cpx* cout = new kiss_fft_cpx[nfft];
memset(cout, 0, nfft * sizeof(kiss_fft_cpx));
// copy the input data to cin
int k = 0;
int idx = 0;
for (int j = 0; j < height; ++j)
{
for (int i = 0; i < width; ++i)
{
idx = i + width * j; // access 1D array as 2D
cin[k++].r = input[idx];
}
}
// execute 2D FFT
bool inverse_fft = false;
kiss_fftnd_cfg cfg_f = kiss_fftnd_alloc(shape, numDim, inverse_fft, 0, 0);
kiss_fftnd(cfg_f, cin , cout);
// release resources
kiss_fft_free(cfg_f);
delete[] cin;
return cout;
}
// fft2d: receives an array of kiss_fft_cpx elements, performs the inverse transform with kiss_fftnd() and returns the result in a new kiss_fft_cpx array
kiss_fft_cpx* ifft2d(kiss_fft_cpx* input, int width, int height)
{
const int numDim = 2;
int shape[numDim] = { width, height };
int nfft = width * height;
// allocate 2D output array for FFT
kiss_fft_cpx* cout = new kiss_fft_cpx[nfft];
memset(cout, 0, nfft * sizeof(kiss_fft_cpx));
// execute inverse 2D FFT
bool inverse_fft = true;
kiss_fftnd_cfg cfg_i = kiss_fftnd_alloc(shape, numDim, inverse_fft, 0, 0);
kiss_fftnd(cfg_i, input , cout);
// release resources
kiss_fft_free(cfg_i);
return cout;
}
// complex_mult: performs element-wise multiplication between two complex numbers
kiss_fft_cpx complex_mult(const kiss_fft_cpx& a, const kiss_fft_cpx& b)
{
kiss_fft_cpx c;
// real_part = a.real*b.real - a.imag*b.imag
c.r = a.r*b.r - a.i*b.i;
// imag_part = a.real*b.imag + b.real*a.imag
c.i = a.r*b.i + b.r*a.i;
return c;
}
// complex_mult: performs element-wise multiplication between two kiss_fft_cpx arrays
kiss_fft_cpx* fft2d_mult(kiss_fft_cpx* input1, kiss_fft_cpx* input2, int width, int height)
{
int nfft = width * height;
kiss_fft_cpx* output = new kiss_fft_cpx[nfft];
memset(output, 0, nfft * sizeof(kiss_fft_cpx));
int idx = 0;
for (int j = 0; j < height; ++j)
{
for (int i = 0; i < width; ++i)
{
idx = i + width * j; // access 1D array as 2D
output[idx] = complex_mult(input1[idx], input2[idx]);
}
}
return output;
}
void run_test(float* in1, const int& w, const int& h)
{
printf("\n####################### KISSFFT FFT/MULT/IFFT #######################\n\n");
printf("Original data:\n");
int idx = 0;
for (int j = 0; j < h; ++j)
{
for (int i = 0; i < w; ++i)
{
idx = i + w * j;
printf("%.4f \t", in1[idx]);
}
printf("\n");
}
/* perform FFT */
kiss_fft_cpx* cout = fft2d((float*)in1, w, h);
printf("\nkissfft FFT2D:\n");
for (int j = 0; j < h; ++j)
{
for (int i = 0; i < w; ++i)
{
idx = i + w * j;
printf("%.4f %.4fj \t", cout[idx].r, cout[idx].i);
}
printf("\n");
}
/* perform element-wise multiplication */
kiss_fft_cpx* cout_mult = fft2d_mult(cout, cout, w, h);
printf("\nMultiplication result:\n");
for (int j = 0; j < h; ++j)
{
for (int i = 0; i < w; ++i)
{
idx = i + w * j;
printf("%.4f %.4fj \t", cout_mult[idx].r, cout_mult[idx].i);
}
printf("\n");
}
/* perform inverse FFT */
kiss_fft_cpx* cinput = ifft2d(cout_mult, w, h);
printf("\nkissfft IFFT2D:\n");
int nfft = w * h;
for (int j = 0; j < h; ++j)
{
for (int i = 0; i < w; ++i)
{
idx = i + w * j;
printf("%.4f \t", cinput[idx].r / nfft); // div by N to scale data back to the original range
}
printf("\n");
}
// release resources
delete[] cout_mult;
delete[] cinput;
delete[] cout;
}
int main()
{
int h = 3, w = 2;
float in1[h][w] =
{
{ 98, 92 },
{ 9, 21 },
{ 130, 4 }
};
run_test((float*)in1, w, h);
return 0;
}
new
это не C, это C++. Ваш код представляет собой код C++, в котором используются функции C (например,printf
) вместо более эффективных функций C++ (std::cout
,std::complex
). - person Cris Luengo   schedule 18.05.2020scipy.fft
вместоscipy.fftpack
в Python, а теперь вместо этого вы ищете библиотеку C? Какова ваша цель? Что вам действительно нужно? - person Cris Luengo   schedule 18.05.2020kiss_fftnd()
поддерживаетstd::complex
? Что касается других вопросов, у меня есть проект C, в котором использовался FFTPACK. Однако с этим были проблемы, и получить помощь по Python проще, чем по C или C++, когда дело доходит до проблем с БПФ. Именно поэтому я решил вместо этого использовать kissfft. Однако часть умножения по-прежнему вызывает проблемы. Я изменю тег вопроса на С++, спасибо. - person karlphillip   schedule 18.05.2020double
к массивуstd::complex<double>
(гарантировано стандартом). Тогда умножение тривиально. - person Cris Luengo   schedule 18.05.2020scipy_fft.rfft2()
иkiss_fftnd()
должны давать одинаковые результаты. Правда в том, что я не знаю, так ли это. Функция Scipy возвращает массив размеромN/2+1
, чего в данном случае не происходит, потому что размер входных данных очень мал. Что я могу сказать, так это то, что прямое преобразование, за которым следует обратное преобразование в kissfft, выдает значения, эквивалентные входным данным. Так что до сих пор у меня не было причин полагать, что мой алгоритм прямого преобразования неверен. Пожалуйста, добавьте ответ, если вы обнаружите проблему. - person karlphillip   schedule 18.05.2020scipy.fft.fft2
(а неrfft2
)? Таким образом, вы можете увидеть, правильно ли вы вычисляете БПФ с помощью kissfft. - person Cris Luengo   schedule 18.05.2020scipy.fft.fft2()
иscipy.fft.rfft2()
результаты эквивалентны друг другу на каждом шаге алгоритма. - person karlphillip   schedule 18.05.2020