谁能解释一下 fftw_plan_dft_2d 和 fftw_plan_dft_1d 之间的区别？
Can anyone explain the difference between fftw_plan_dft_2d and fftw_plan_dft_1d?
两者有什么区别？
我有一个图像矩阵并将其展平为 fftw_complex 连续数组？
我应该选择 fftw_plan_dft_2d 还是 fftw_plan_dft_1d？
我都试过了，但两者的行为完全不同？
我试图阅读文档，但对它们的差异和用法了解不多。
我相信您的问题实际上是关于一般傅里叶变换的。具体来说，一维 FFT 和二维 FFT 有什么区别。
简短的回答是二维 FFT 与以下内容相同：
- 对矩阵中的每一行独立应用一维 FFT。
- 获取第 1 步的结果并对矩阵中的每一列独立应用一维 FFT。
两个 fftw 计划都采用扁平的复数矩阵，但是，fftw_plan_dft_2d 使用 n0 和 n1 大小参数能够正确地将复数数组解释为二维矩阵。
大小为 n 的信号 X 的 1D dft Y 写为：
the separable product of the given 1d transform along each dimension of the array.
因此，2D dft 包括在第一个维度上进行 dft，然后在另一个方向上进行 dft。它写道：
请注意，首先对另一个维度进行 dft 不会改变结果：
的确，总和可以是factored, see also the doc of opencv:
它与整个展平阵列上的一维 dft 不同，后者没有此 属性。基于卷积核（高斯或其他）的 2D 线性图像滤波器依赖于 2D dft 将卷积转换为傅立叶 space 中的逐点乘法。如果图像是二维的，那么变换后的图像也是二维的。请参阅此 course 进行说明。
两者有什么区别？ 我有一个图像矩阵并将其展平为 fftw_complex 连续数组？ 我应该选择 fftw_plan_dft_2d 还是 fftw_plan_dft_1d？
我都试过了，但两者的行为完全不同？
我试图阅读文档，但对它们的差异和用法了解不多。
我相信您的问题实际上是关于一般傅里叶变换的。具体来说，一维 FFT 和二维 FFT 有什么区别。
简短的回答是二维 FFT 与以下内容相同：
- 对矩阵中的每一行独立应用一维 FFT。
- 获取第 1 步的结果并对矩阵中的每一列独立应用一维 FFT。
两个 fftw 计划都采用扁平的复数矩阵，但是，fftw_plan_dft_2d 使用 n0 和 n1 大小参数能够正确地将复数数组解释为二维矩阵。
大小为 n 的信号 X 的 1D dft Y 写为：
the separable product of the given 1d transform along each dimension of the array.
因此，2D dft 包括在第一个维度上进行 dft，然后在另一个方向上进行 dft。它写道：
请注意，首先对另一个维度进行 dft 不会改变结果：
的确，总和可以是factored, see also the doc of opencv:
它与整个展平阵列上的一维 dft 不同，后者没有此 属性。基于卷积核（高斯或其他）的 2D 线性图像滤波器依赖于 2D dft 将卷积转换为傅立叶 space 中的逐点乘法。如果图像是二维的，那么变换后的图像也是二维的。请参阅此 course 进行说明。