Python中最快的2D卷积或图像过滤器

Question

几个用户询问在numpy的或SciPy的[图像卷积的速度或存储器消耗1，2，3，4 ]。从回答和我使用Numpy的经验来看，与Matlab或IDL相比，我认为这可能是numpy的主要缺点。

到目前为止，没有一个答案能解决整个问题，所以这里是：“用Python计算2D卷积最快的方法是什么？”
常见的python模块是公平的游戏：numpy，scipy和PIL（其他？）。为了比较具有挑战性，我想提出以下规则：

1. 输入矩阵分别为2048x2048和32x32。
2. 单精度或双精度浮点都可以接受。
3. 将输入矩阵转换为适当格式所花费的时间不算在内-仅是卷积步骤。
4. 用输出替换输入矩阵是可以接受的（任何python库都支持吗？）
5. 可以直接对常见C库进行DLL调用-lapack或scalapack
6. PyCUDA就可以了。使用自定义GPU硬件是不公平的。

Answer 1

这实际上取决于您要执行的操作…很多时候，您不需要完全通用的（阅读：更慢）的2D卷积…（即，如果滤波器是可分离的，则可以使用两个1D卷积来代替…这就是为什么各种scipy.ndimage.gaussian，，scipy.ndimage.uniform比实现为通用nD卷积的同一事物要快得多的原因。）

无论如何，作为比较点：

t = timeit.timeit(stmt='ndimage.convolve(x, y, output=x)', number=1,
setup="""
import numpy as np
from scipy import ndimage
x = np.random.random((2048, 2048)).astype(np.float32)
y = np.random.random((32, 32)).astype(np.float32)
""")
print t

这在我的机器上花费6.9秒…

比较一下 fftconvolve

t = timeit.timeit(stmt="signal.fftconvolve(x, y, mode='same')", number=1,
setup="""
import numpy as np
from scipy import signal
x = np.random.random((2048, 2048)).astype(np.float32)
y = np.random.random((32, 32)).astype(np.float32)
""")
print t

这大约需要10.8秒。但是，在输入大小不同的情况下，使用fft进行卷积可能会更快（尽管目前看来我似乎还没有一个很好的例子……）。