假设有两个array，a和b
a=np.array([1,2,3,4])
b=np.array([2,1,1,3])
a与b卷积的结果result=[ 5, 9,16,13]
但是
FT{result}=[ 43.+0.j, -11.+4.j, -1.+0.j, -11.-4.j]
FT{a}=[10.+0.j, -2.+2.j, -2.+0.j, -2.-2.j]
FT{b}=[ 7.+0.j, 1.+2.j, -1.+0.j, 1.-2.j]
FT 表示傅里叶变换
很显然 FT{result}≠FT{a}FT{b}，这与卷积定理是相违背的
我知道如果卷积参数取'full'，然后将a补零成[1,2,3,4,0,0,0,0]，b补零成[2,1,1,3,0,0,0,0]。可以得到FT{result}=FT{a}FT{b}，这是正确的结果
但是实际情况中，比如我用一个256x256的目标图像O(x)卷积上一个256x256的psf(x)，得到一个256x256的退化图像I(x)
按照上面的小实验，显然在频域O(f)psf(f)≠I(f)，卷积定理是失效的，那逆滤波也是不可行的。
时域和频域的卷积是不一样的啊，频域卷积还要除以2π的