我试图使用FFTW图像卷积。
起初只是为了测试系统是否工作正常，我执行FFT，然后逆FFT，并能得到完全相同的图像返回。
然后小一步，我使用的标识内核（即，内核[0] [0] = 1，而所有其它组件等于0）。 我把图像和内核（无论是在频域）之间的分量之积，然后做逆FFT。 从理论上讲，我应该能够得到相同的图像了。 但我得到的结果是非常甚至还没有接近原始图像。 我怀疑这事做与在我中心我的内核之前，我FFT成频域（因为我把“1”内核[0] [0]，它的基本含义是我中心的积极作用在顶部剩下）。 谁能赐教什么这里出了问题？
对于每个维度，样本的索引应该是从-π/ 2 ... 0 ... N / 2 -1，所以如果尺寸是奇数，围在中间中心。 如果尺寸均匀，中心，使新前0你有比新0经过一个样本。
例如-4，-3，-2，-1，0，1，2，3的8或-3的宽度/高度，-2，-1，0，1，2，3的宽度/高度7。
FFT是相对中，在其规模有负分。
在存储器中的点是0 ... N-1，但FFT将它们视为-ceil（N / 2）...地板（N / 2），其中0是-ceil（N / 2）和正图1是地板（N / 2）
单位矩阵是在0,0位置与1个零的矩阵（中心-根据上述编号）。 （在空间域。）
在频域中的单位矩阵应该是一个常数（所有实数值1或1 /（N * M）和所有虚值0）。
如果您没有收到这样的结果，那么识别矩阵可能需要不同的填充（向左和向下的，而不是周围的所有边） - 这可能取决于FFT的实现。
分别中心中的每个尺寸 （这是一个指数定心，在实际的存储器中没有变化）。
你可能会需要垫图像 （居中后）为2的整体功率在每一个维度（2 ^ N * 2 ^ M，其中n不必相等米）。
相对垫FFT的0,0位置（到中心，而不是角部）通过在源和目标图像（现有像素复制到一个新的较大的图像，使用基于中心的索引例如（0,0）到（0,0） ，（0,1）至（0,1），（1，-2）到（1，-2））
假设你的FFT使用常规的浮点单元，而不是复杂的细胞中 ， 复杂的图像必须是尺寸2 *小区（2 / N）* 2 *小区（2 / M），即使你并不需要2的整体功率（因为它有一半的样品，但样品是复杂的）。
如果你的形象有一个以上的颜色通道 ，您首先必须重塑它，这样的通道是在子像素排序最显著，而不是最显著。 您可以在一个去重塑和垫，以节省时间和空间。
不要忘了IFFT后FFTSHIFT。 （要交换象限。）
IFFT的结果是0，...，N-1。 你必须采取像素地板（N / 2）+ 1..N-1和0之前移动它们...地板（N / 2）。
这是通过复制像素到一个新的图像，复制地板（N / 2）+1至存储器位置0，地板进行（N / 2）2到存储器位置1，...，N-1到MEMORY-位置地板（N / 2），然后0至存储器位置小区（N / 2），1至存储器位置小区（N / 2）+1，...，地板（N / 2）到存储器地址n -1。
当你在频域相乘 ，记得样品是复杂的（一个细胞真正一个小区虚构的），所以你必须使用一个复杂的乘法。
结果可能需要通过N ^ 2 * M ^ 2，其中N是正的填充之后（并且同样地用于M和M）的大小除以。 - 你可以告诉这（一看单位矩阵的频域的值，B比较结果输入。）
我认为你的身份内核的理解可能会关闭。 身份内核应该有1在2D的中心籽粒不能在0,0位置。
例如，对于一个3×3，你有你的设置如下：
1, 0, 0
0, 0, 0
0, 0, 0
它应该是
0, 0, 0
0, 1, 0
0, 0, 0
检查了这一点还
什么是“什么也不做”卷积核
也看这里，第3页的底部。
http://www.fmwconcepts.com/imagemagick/digital_image_filtering.pdf
我接过分量之积的图像和内核之间在频域，然后做逆FFT。 从理论上讲，我应该能够得到相同的图像了。
我不认为这样做正向与非FFT变换的内核，再逆FFT变换应该导致得到原始图像回任何期待，但也许我只是误解你试图说有。 ..
