袖带图像处理答案

【问题标题】：cufft image processing袖带图像处理
【发布时间】：2016-05-26 21:19:41
【问题描述】：

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 然后一个C2C就完成了。这是由原始开发人员手工编码的。最后使用 cufftC2F（现成的 cuda）完成 C2R

结果是一张很棒的图片，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 替换国产 C2C。

【问题讨论】：

CUFFT 中没有 F2C 或 C2F。也许您的意思是 R2C 和 C2R。这里一个非常好的答案（IMO）需要一个非常长的答案，主要是关于傅立叶变换的教程。我觉得这是一个相当广泛的问题。目前尚不清楚您是否了解傅立叶变换、它们的作用以及如何使用它们（这是一个完全独立于 CUDA 的主题）。

标签： image-processing cuda nvidia cufft

【解决方案1】：

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。使用CUFFT_FORWARD 进行从空间到频率的转换，使用CUFFT_INVERSE 进行频率到空间的转换。

2) 是否应该单向运行一次C2C？ 根据 Hermitian 对称的使用情况，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

当使用C2R或R2C变换时，频率空间向量的cufftis making use of the Hermitian symmetry，因此只存储向量的前半部分（其余部分甚至不触及）：

除了一般的复数到复数 (C2C) 变换之外，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 = X N - 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，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 的方法有点不同。

【讨论】：