我正在研究Nvidia CUDA sdk的convolutionFFT2D示例背后的代码，但我不明白这一点：
cufftPlan2d(&fftPlan, fftH, fftW/2, CUFFT_C2C);
显然，这为运行FFT初始化了一个复杂的平面，但是我看不到将平面宽度除以2的意思。
准确地说：fftH和fftW是imageX + kernelX + 1和imageY + kernelY + 1尺寸的舍入值（仅出于速度方面的考虑）。我知道，在频域中，您通常具有相同频率的正分量和对称负分量。但这听起来像是切掉了我一半的图像数据。
有人可以更好地向我解释吗？我从未使用过FFT（我只知道傅立叶变换背后的理论）
最佳答案
当执行实数到复数FFT时，由于对称性，频域数据是多余的。但是，仅在2D FFT的一个轴上是这种情况。您可以将2D FFT视为两个1D FFT运算，第一个运算在所有行上进行，对于实值图像，这将为您提供复杂的行值。在第二阶段中，将一维FFT应用于每一列，但是由于行值现在很复杂，因此这对于复杂的FFT来说将是复杂的，并且输出中没有冗余。因此，您只需要水平轴上的宽度/ 2个点，但仍然需要垂直轴上的高度点。