python - 直接在 scipy.weave.inline 中对复杂的 numpy 数组进行 FFTW3

Question

我正在尝试在 Python 中实现基于 FFT 的子像素移位(转换)算法。傅立叶移位定理允许通过以下方式将阵列平移一个子像素数量: 1.正向FFT数组 2. 在傅立叶空间中将阵列乘以线性相位斜坡 3. 逆FFT数组

这个算法很容易在 python 中使用 numpy/scipy 实现，但是对于 256**2 数组来说，它每类次的速度非常慢(~10 毫秒)。我试图通过使用 scipy.weave.inline 直接从 python 调用 c 代码来加快速度。

但是，我在将复杂的 numpy 数组传递给 FFTW 时遇到了问题。 C 代码如下所示:

    #include <fftw3.h>
    #include <stdlib.h>

    #define INVERSE +1
    #define FORWARD -1


    fftw_complex *i, *o;
    int n, m;
    fftw_plan pf, pi;
    #line 22 "test_scipy_weave.py" 

    i = (fftw_complex*) fftw_malloc(sizeof(fftw_complex) * xdim*ydim);
    o = (fftw_complex*) fftw_malloc(sizeof(fftw_complex) * xdim*ydim);

    pf = fftw_plan_dft_2d(xdim, ydim, i, o, -1, FFTW_PATIENT);
    pi = fftw_plan_dft_2d(xdim, ydim, o, i,  1, FFTW_PATIENT);

    # Copy data to fftw_complex array. How to use python arrays directly
    for (n=0; n<xdim;n++){
        for (m=0; m<ydim; m++){
            i[n*xdim+m][0]=a[n*xdim+m].real();
            i[n*xdim+m][1]=a[n*xdim+m].imag();
        }
    }

    fftw_execute(pf);

    /* Mult by linear phase ramp here */

    fftw_execute(pi);

    for (n=0; n<xdim;n++){
        for (m=0; m<ydim; m++){
            b[n*xdim+m] = std::complex<double>([in*xdim+m][0], i[n*xdim+m][1]);
        }
    }

    fftw_destroy_plan(p);

所以你可以看到我必须将存储在 numpy 数组“a”中的数据复制到 fftw_complex 数组“i”中。最后，我必须再次将结果“i”复制到输出 numpy 数组“b”中。直接在 fftw 中使用 numpy 数组“a”和“b”会更有效率，但我无法让它工作。

有没有人知道如何让 fftw 直接在 scipy.weave.inline 中使用复杂的 numpy 数组？

谢谢

Answer 1

根据fftw manual ，你可以在fftw.h之前导入complex.h，这样可以保证fftw_complex对应原生的C数据类型。我很确定 numpy 数据类型也保证(或实际上可能)与 native C 数据类型兼容。

在这种情况下，您可以访问指向数组数据的指针作为 a.data_as(ctypes.c_void_p)。不幸的是，ctypes 无法识别复杂类型，但希望转换为 void 指针可以解决问题。

执行此操作时，必须注意数组 a 以 C 连续方式存储，在创建时由参数 order='C' 指定数组。