强制 numpy 数组在内存中物理匹配跨步

Question

对于互相关例程，我想采用一些二维矩阵（灰度图像），将其中一半旋转 90 度，并对它们进行傅立叶变换。我正在对大量帧进行交叉关联，因此我尝试将 pyFFTW 与 FFTW 对象接口一起使用，我过去曾成功使用过它。

然而，这里使用 numpy.rot90() 我运行遇到这样一个问题，即 numpy 不是在物理上旋转内存中的数组，而是简单地改变步幅，而 FFTW 需要物理内存中的数组来实际上被旋转。

# Import a 2k x 2k image
mage = my_image_import_function( (2048,2048) )
# mage striding is (16384,8)
temp = np.rot90( mage, k=-1 )
# temp striding is (8, -16384 )
temp2 = np.copy( temp )
# temp2 striding is (8, 16384)
mage2 = np.lib.stride_tricks.as_strided( temp2, (2048,2048), (16384,8) )
# mage2 striding is (16384,8)
pyFFTWobj.update_arrays( mage2, mageFFT )
pyFFTWobj.execute()

使用.as_strided()恢复原来的步幅，这样就可以输入pyFFTW了。但是，在应用 .as_strided() 函数后，mage2 不再相对于 mage 旋转。 .as_strided()已经撤消了旋转操作，所以上面的代码什么都不做。

程序员如何在物理上强制 numpy 数组匹配其在内存中的步幅？

Answer 1

你可以像这样强制它在内存中更新：

mage=np.random.random((2048,2048))
mage[:] = np.rot90(mage,k=-1)

如果您需要按原样保留 mage，您可以使用 zeros_like:

在内存中设置另一个数组

mage2=np.zeros_like(mage)
mage2[:] = np.rot90(mage,k=-1)

Answer 2

您可以提供 np.copy 一个 order kwarg 来控制复制数组的内存布局。你似乎想要一个 C 连续数组，所以你想做：

temp2 = np.copy(temp, order='C')

您也可以依赖这样一个事实，即 ndarray 的 np.copy function is 'K', for the corresponding method 的 order 默认值为 'C'，所以这也行得通：

temp2 = temp.copy()

当然 "explicit is better than implicit" 等等，所以即使您使用该方法，也最好明确询问您想要什么：

temp2 = temp.copy(order='C')

一些虚假数据，看看它是否有效：

In [36]: a = np.random.randint(256, size=(2048, 2048)).astype(np.uint8)

In [37]: a.strides
Out[37]: (2048, 1)

In [38]: np.rot90(a, k=-1).strides
Out[38]: (1, -2048)
# The method default works...
In [39]: np.rot90(a, k=-1).copy().strides
Out[39]: (2048, 1)
# ...but explicit is better than implicit
In [40]: np.rot90(a, k=-1).copy(order='C').strides
Out[40]: (2048, 1)
# The function default does not work
In [41]: np.rot90(a, k=-1).copy(order='K').strides
Out[41]: (1, 2048)

强制 numpy 数组在内存中物理匹配跨步

Force numpy array to physically match striding in memory

python

numpy

fftw

stride