我知道在时域中，两个矩阵之间的卷积是一项非常昂贵的操作，您可以通过在复平面中转换它们并使用乘法(然后返回时域)在频域中执行它
无论如何，我不明白这是如何在 CUDA SDK 中执行的，其中数据和内核被填充并放入两个缓冲区(m_PaddedKernel 和 m_PaddedData)，这应该是为了加速 Cooley-Tuckey 方法，然后是函数 cufftExecC2C被调用首先将内核(为什么是 C2C？复杂到复杂，为什么不是实到复杂？)转换为复平面，然后将整个数据转换为同一平面
然后定义的内核 spProcess2D_kernel 开始运行，看起来像是规范化并在频域中执行数据和内核之间的乘法(如何进行两个函数的乘法？我认为它们的意思是组合两个函数)并返回 C2C转换(仍然想知道为什么是 C2C 而不是 C2R)
最佳答案
至于为什么这可以用 FFT 完成，您需要阅读 convolution theorem .
通常，您的输入数据可能很复杂。这就是使用 C2C 的原因。
关于c++ - 与 FFT 的卷积，这是如何工作的？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/5727686/