FFTW的使用

FFTW首页： http://www.fftw.org/

据说FFTW是世界上最快的FFT。

下载地址： http://www.fftw.org/download.html

一、Windows安装FFTW

1. 从网址http://www.fftw.org/install/windows.html 上获得FFTW的windows dll预编译版本；
2. 解压缩文件，打开windows命令行窗口，就是那个cmd窗口。然后把当前目录转换到你解压缩文件的目录下。
3. 执行以下3个指令

        这里的def可以加路径  def:D:\fftw\libfftw3-3.def 这样。

               lib/machine:ix86/def:libfftw3-3.def

               lib/machine:ix86/def:libfftw3f-3.def

               lib/machine:ix86/def:libfftw3l-3.def

        这会在该目录下建三个相应的dll文件和lib文件

3-3对应double

3f-3对应float

3l-3d

fftw 3.3.4 32bit dll，lib下载： http://pan.baidu.com/s/1sjIAVKT  提取码：xmta

二、VS配置FFTW

• 链接器  |  输入  |  附加依赖项    加入libfftw3-3.lib，libfftw3f-3.lib，libfftw3l-3.lib 
• libfftw3-3.dll，libfftw3f-3.dll，libfftw3l-3.dll放在当前工程目录（或system32）或在vs属性中的Debugging  |  Environment 中添加路径（例：path=%path%;.\fftw\bin）
• 记得include“fftw3.h”

     测试demo

#include "fftw3.h"
#include <stdio.h>
#define N 8
int main()
{
	int i;
	fftw_complex *din,*out;
	fftw_plan p;
	din  = (fftw_complex*) fftw_malloc(sizeof(fftw_complex) * N);
	out = (fftw_complex*) fftw_malloc(sizeof(fftw_complex) * N);
	if((din==NULL)||(out==NULL))
	{
		printf("Error:insufficient available memory\n");
	}
	else
	{
		for(i=0; i<N; i++)/*测试数据*/
		{
			din[i][0] = i+1;
			din[i][1] = 0;
		}
	}
	p = fftw_plan_dft_1d(N, din, out, FFTW_FORWARD,FFTW_ESTIMATE);
	fftw_execute(p); /* repeat as needed */
	fftw_destroy_plan(p);
	fftw_cleanup();
	for(i=0;i<N;i++)/*OUTPUT*/
	{
		printf("%f,%fi\n",din[i][0],din[i][1]);
	}
	printf("\n");
	for(i=0;i<N;i++)/*OUTPUT*/
	{
		printf("%f,%fi\n",out[i][0],out[i][1]);
	}

	if(din!=NULL) fftw_free(din);
	if(out!=NULL) fftw_free(out);
	getchar();
	return 0;
}

结果输出如下：

三、对图像做FFT的demo

/* load original image */
IplImage *img_src = cvLoadImage("a.bmp", CV_LOAD_IMAGE_GRAYSCALE);
if (img_src == 0)
{
	std::cout << "cannot load file" << std::endl;
	return 0;
}

/* create new image for FFT & IFFT result */
IplImage *img_fft = cvCreateImage(cvSize(img_src->width, img_src->height), IPL_DEPTH_8U, 1);
IplImage *img_ifft = cvCreateImage(cvSize(img_src->width, img_src->height), IPL_DEPTH_8U, 1);

/* get image properties */
int width = img_src->width;
int height = img_src->height;
int step = img_src->widthStep;
uchar *img_src_data = (uchar *)img_src->imageData;
uchar *img_fft_data = (uchar *)img_fft->imageData;
uchar *img_ifft_data = (uchar *)img_ifft->imageData;

/* initialize arrays for fftw operations */
fftw_complex *data_in = (fftw_complex *)fftw_malloc(sizeof(fftw_complex) * width * height);
fftw_complex *fft = (fftw_complex *)fftw_malloc(sizeof(fftw_complex) * width * height);
fftw_complex *ifft = (fftw_complex *)fftw_malloc(sizeof(fftw_complex) * width * height);

/* create plans */
fftw_plan plan_f = fftw_plan_dft_2d(height, width, data_in, fft, FFTW_FORWARD, FFTW_ESTIMATE);
fftw_plan plan_b = fftw_plan_dft_2d(height, width, fft, ifft, FFTW_BACKWARD, FFTW_ESTIMATE);

int i, j, k;
/* load img_src's data to fftw input */
for (i = 0, k = 0; i < height; ++i)
{
	for (j = 0; j < width; ++j)
	{
		// method 1: 输入数据乘以(-1)^（i+j），即可中心化
		data_in[k][0] = /*pow(-1, i + j) * */(double)img_src_data[i * step + j];  
		data_in[k][1] = 0.0;
		k++;
	}
}

/* perform FFT */
fftw_execute(plan_f);

/* perform IFFT */
fftw_execute(plan_b);

/* normalize FFT result */
double maxx = 0.0, minn = 10000000000.0;
for (i = 0; i < width * height; ++i)
{
	fft[i][0] = log(sqrt(fft[i][0] * fft[i][0] + fft[i][1] * fft[i][1]));
	maxx = fft[i][0] > maxx ? fft[i][0] : maxx;
	minn = fft[i][0] < minn ? fft[i][0] : minn;
}

for (i = 0; i < width * height; ++i)
{
	fft[i][0] = 255.0 * (fft[i][0] - minn) / (maxx - minn);
}

/* copy FFT result to img_fft's data */
int i0, j0;
for (i = 0, k = 0; i < height; ++i)
{
	for (j = 0; j < width; ++j)
	{
		if (i < height / 2)
			i0 = i + height / 2;
		else
			i0 = i - height / 2;
		if (j < width / 2)
			j0 = j + width / 2;   // method 2
		else
			j0 = j - width / 2;

		img_fft_data[i * step + j] = (uchar)fft[/*k++*/i0 * width + j0][0];
	}
}

/* normalize IFFT result */
for (i = 0; i < width * height; ++i)
{
	ifft[i][0] /= width * height;
}

/* copy IFFT result to img_ifft's data */
for (i = 0, k = 0; i < height; ++i)
{
	for (j = 0; j < width; ++j)
	{
		img_ifft_data[i * step + j] = (uchar)ifft[k++][0];
	}
}

/* display images */
cvNamedWindow("original_image", CV_WINDOW_AUTOSIZE);
cvNamedWindow("FFT", CV_WINDOW_AUTOSIZE);
cvNamedWindow("IFFT", CV_WINDOW_AUTOSIZE);
cvShowImage("original_image", img_src);
cvShowImage("FFT", img_fft);
cvShowImage("IFFT", img_ifft);

cvWaitKey(0);

/* free memory */
cvDestroyWindow("original_image");
cvDestroyWindow("FFT");
cvDestroyWindow("IFFT");
cvReleaseImage(&img_src);
cvReleaseImage(&img_fft);
cvReleaseImage(&img_ifft);
fftw_destroy_plan(plan_f);
fftw_destroy_plan(plan_b);
fftw_free(data_in);
fftw_free(fft);
fftw_free(ifft);

参考资料：

[1]  FFTW_Documentation_CN[百度文库]