我继承了一个图像处理应用程序。试图在这里弄清楚事情。我有三个问题。1) 我的 F2C、C2C、C2F 顺序是否正确？2）我应该在一个方向运行一次C2C吗？3）我应该使用哪个方向（向前或向后）？
背景：
输入和输出是二维图像。
首先使用 cufftF2C（现成的 cuda）完成 R2C，然后完成 C2C。这是由原始开发人员手工编码的。最后使用 cufftC2F 完成 C2R（现成的 cuda）
结果是一幅很棒的画面，只是出现了难看的锯齿形线条。最初的开发者使用 1D 计划（nx = x 和 batch = y）。我想用 2D 计划（nx = x 和 ny = y）替换这些。我还想用现成的 cuda cufftC2C 替换自制的 C2C。
1) 我的顺序是否正确 [R2C]、C2C、[C2R]？
不，傅里叶变换有两个域：空间和频率。变换从空间到频率 用CUFFT_FORWARD和频率到空间 用CUFFT_INVERSE。
2）我应该在一个方向运行一次C2C吗？
根据 Hermitian 对称性的使用，您不一定需要C2C（见下文）。
3）我应该使用哪个方向（向前或向后）？ 如果您想应用图像处理过滤器，您的输出很可能与输入在同一空间中，因此您必须应用一个正向变换和一个逆变换。
关于数据布局和R2C/C2R优化的说明
在使用C2R或R2C变换时，cufft 是利用频率空间向量的厄尔米特对称性，因此只存储向量的前半部分（其余部分甚至没有被触及）：
除了一般的复数到复数 (C2C) 变换外，cuFFT 还有效地实现了另外两种类型：实数到复数 (R2C) 和复数到实数 (C2R)。在许多实际应用中，输入向量是实值的。可以很容易地证明，在这种情况下，输出满足 Hermitian 对称性（ X k = XN - k * ，其中星号表示复共轭）。反之亦然：对于复厄米特输入，逆变换将是纯实值。cuFFT 利用了这种冗余，并且只对 Hermitian 向量的前半部分起作用。
如果您在频域中执行的操作不具有相同的 Hermitian 对称性，则优化不再正确，并且该C2R操作不会为您提供预期的结果。
还要注意该方法的数据要求和布局，这与C2C.