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……）。
602392714
清零编程群