在我的测试用例中,我正在使用FFTW只是将图像转换到频域并返回到空间域。但是我最终得到的结果与我刚开始的结果截然不同。
要解决一些问题:
fft()
和创建FFTW计划ifft()
而不是缓存它们的原因是为了简化。那不应该是问题我的代码(包括实用程序功能,宏和类)如下。它使用libcinder(其旧版本)来处理矢量类和图形,但是即使您不了解libcinder,它也将是不言而喻的。请注意代码长度,我已经尽力使它最小化,但是某些实用程序(例如Array2D类)占用了相当大的空间。
main.cpp:
#include "precompiled.h"
typedef std::complex<float> Complexf;
using namespace ci;
void createConsole()
{
AllocConsole();
std::fstream* fs = new std::fstream("CONOUT$");
std::cout.rdbuf(fs->rdbuf());
}
#define forxy(image) \
for(Vec2i p(0, 0); p.x < image.w; p.x++) \
for(p.y = 0; p.y < image.h; p.y++)
template<class T>
class ArrayDeleter
{
public:
ArrayDeleter(T* arrayPtr)
{
refcountPtr = new int(0);
(*refcountPtr)++;
this->arrayPtr = arrayPtr;
}
ArrayDeleter(ArrayDeleter const& other)
{
arrayPtr = other.arrayPtr;
refcountPtr = other.refcountPtr;
(*refcountPtr)++;
}
ArrayDeleter const& operator=(ArrayDeleter const& other)
{
reduceRefcount();
arrayPtr = other.arrayPtr;
refcountPtr = other.refcountPtr;
(*refcountPtr)++;
return *this;
}
~ArrayDeleter()
{
reduceRefcount();
}
private:
void reduceRefcount()
{
(*refcountPtr)--;
if(*refcountPtr == 0)
{
delete refcountPtr;
fftwf_free(arrayPtr);
}
}
int* refcountPtr;
T* arrayPtr;
};
template<class T>
struct Array2D
{
T* data;
int area;
int w, h;
ci::Vec2i Size() const { return ci::Vec2i(w, h); }
ArrayDeleter<T> deleter;
Array2D(Vec2i s) : deleter(Init(s.x, s.y)) { }
Array2D() : deleter(Init(0, 0)) { }
T* begin() { return data; }
T* end() { return data+w*h; }
T& operator()(Vec2i const& v) { return data[v.y*w+v.x]; }
private:
T* Init(int w, int h) {
data = (T*)fftwf_malloc(w * h * sizeof(T));
area = w * h;
this->w = w;
this->h = h;
return data;
}
};
Array2D<Complexf> fft(Array2D<float> in)
{
Array2D<Complexf> in_complex(in.Size());
forxy(in)
{
in_complex(p) = Complexf(in(p));
}
Array2D<Complexf> result(in.Size());
auto plan = fftwf_plan_dft_2d(in.h, in.w,
(fftwf_complex*)in_complex.data, (fftwf_complex*)result.data, FFTW_FORWARD, FFTW_MEASURE);
fftwf_execute(plan);
auto mul = 1.0f / sqrt((float)result.area);
forxy(result)
{
result(p) *= mul;
}
return result;
}
Array2D<float> ifft(Array2D<Complexf> in)
{
Array2D<Complexf> result(in.Size());
auto plan = fftwf_plan_dft_2d(in.h, in.w,
(fftwf_complex*)in.data, (fftwf_complex*)result.data, FFTW_BACKWARD, FFTW_MEASURE);
fftwf_execute(plan);
Array2D<float> out_real(in.Size());
forxy(in)
{
out_real(p) = result(p).real();
}
auto mul = 1.0f / sqrt((float)out_real.area);
forxy(out_real)
{
out_real(p) *= mul;
}
return out_real;
}
gl::Texture uploadTex(Array2D<float> a)
{
gl::Texture tex(a.w, a.h);
tex.bind();
glTexSubImage2D(GL_TEXTURE_2D, 0, 0, 0, a.w, a.h, GL_LUMINANCE, GL_FLOAT, a.data);
return tex;
}
struct SApp : ci::app::AppBasic {
gl::Texture texSource;
gl::Texture texbackAndForthed;
void setup()
{
createConsole();
Array2D<float> source(Vec2i(400, 400));
forxy(source) {
float dist = p.distance(source.Size() / 2);
if(dist < 100)
source(p) = 1.0f;
else
source(p) = 0.0f;
}
printSum("source", source);
texSource = uploadTex(source);
setWindowSize(source.w, source.h);
auto backAndForthed = backAndForth(source);
printSum("backAndForthed", backAndForthed);
//backAndForthed = backAndForth(loaded);
texbackAndForthed = uploadTex(backAndForthed);
}
void printSum(std::string description, Array2D<float> arr) {
float sum = std::accumulate(arr.begin(), arr.end(), 0.0f);
std::cout << "array '" << description << "' has sum " << sum << std::endl;
}
void draw()
{
gl::clear(Color(0, 0, 0));
gl::draw(texSource, Rectf(0,0, getWindowWidth() / 2, getWindowHeight() /2));
gl::draw(texbackAndForthed, Rectf(getWindowWidth() / 2, getWindowWidth() / 2, getWindowWidth(), getWindowHeight()));
}
Array2D<float> backAndForth(Array2D<float> in) {
auto inFd = fft(in);
auto inResult = ifft(inFd);
return inResult;
}
};
CINDER_APP_BASIC(SApp, ci::app::RendererGl)
precompiled.h:
#include <complex>
#include <cinder/app/AppBasic.h>
#include <cinder/gl/Texture.h>
#include <cinder/gl/gl.h>
#include <cinder/Vector.h>
#include <fftw3.h>
#include <numeric>
控制台输出:
array 'source' has sum 31397
array 'backAndForthed' has sum -0.110077
图形输出:
如您所见,右下角的圆圈有点暗和渐变。
注意:如果取消注释第二backAndForthed = backAndForth(loaded);
行,则结果是正确的(因此,仅在第一次时结果是错误的)。
问题在这里:
auto plan = fftwf_plan_dft_2d(in.h, in.w,
(fftwf_complex*)in_complex.data, (fftwf_complex*)result.data,
FFTW_FORWARD, FFTW_MEASURE);
fftwf_execute(plan);
那里:
auto plan = fftwf_plan_dft_2d(in.h, in.w,
(fftwf_complex*)in.data, (fftwf_complex*)result.data,
FFTW_BACKWARD, FFTW_MEASURE);
fftwf_execute(plan);
使用该标志FFTW_MEASURE
意味着FFTW尝试许多DFT算法来选择最快的算法。问题是输入数组in.data
在途中被覆盖。因此,之后fftwf_execute(plan);
,result.data
是不是的DFT的in.data
,因为它是建立在计划之前。根据FFTW在计划程序标志上的文档:
要点:计划者在计划期间将覆盖输入数组,除非已保存的计划(请参见Wisdom)可用于该问题,因此您应在创建计划后初始化输入数据。唯一的例外是
FFTW_ESTIMATE
andFFTW_WISDOM_ONLY
标志,如下所述。
该文档提供了一种解决方案:使用标志FFTW_ESTIMATE
可确保在计划期间不会覆盖输入/输出数组。
在这种特定情况下,使用FFTW_ESTIMATE
代替FFTW_MEASURE
不会触发计算时间的大幅增加。实际上,由于在计划创建期间会计算出许多DFT,因此fftw_plan使用的创建要比使用FFTW_MEASURE
的创建慢得多FFTW_ESTIMATE
。但是,如果要执行许多相同大小的DFT,则必须为所有使用FFTW_MEASURE
和存储创建一次计划。如有必要,可以应用新数组执行功能。
我的猜测是,您已经意识到r2c和c2r转换,旨在将存储空间和计算时间减少近2倍。
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句