这里是我使用相同长度的FFT计算1D FDCT和IFDCT的方法:
//---------------------------------------------------------------------------
void DFCTrr(double *dst,double *src,double *tmp,int n)
{
// exact normalized DCT II by N DFFT
int i,j;
double nn=n,a,da=(M_PI*(nn-0.5))/nn,a0,b0,a1,b1,m;
for (j= 0,i=n-1;i>=0;i-=2,j++) dst[j]=src[i];
for (j=n-1,i=n-2;i>=0;i-=2,j--) dst[j]=src[i];
DFFTcr(tmp,dst,n);
m=2.0*sqrt(2.0);
for (a=0.0,j=0,i=0;i<n;i++,j+=2,a+=da)
{
a0=tmp[j+0]; a1= cos(a);
b0=tmp[j+1]; b1=-sin(a);
a0=(a0*a1)-(b0*b1);
if (i) a0*=m; else a0*=2.0;
dst[i]=a0;
}
}
//---------------------------------------------------------------------------
void iDFCTrr(double *dst,double *src,double *tmp,int n)
{
// exact normalized DCT III = iDCT II by N iDFFT
int i,j;
double nn=n,a,da=(M_PI*(nn-0.5))/nn,a0,m,aa,bb;
m=1.0/sqrt(2.0);
for (a=0.0,j=0,i=0;i<n;i++,j+=2,a+=da)
{
a0=src[i];
if (i) a0*=m;
aa= cos(a)*a0;
bb=+sin(a)*a0;
tmp[j+0]=aa;
tmp[j+1]=bb;
}
m=src[0]*0.25;
iDFFTrc(src,tmp,n);
for (j= 0,i=n-1;i>=0;i-=2,j++) dst[i]=src[j]-m;
for (j=n-1,i=n-2;i>=0;i-=2,j--) dst[i]=src[j]-m;
}
//---------------------------------------------------------------------------
dst
是目标向量 [n]
src
是源向量 [n]
tmp
是临时向量 [2n]
这些数组不应该重叠!!! 它来自于我的变换类,所以我希望没有忘记复制什么。
XXXrr
表示目标是实数域,源也是实数域XXXrc
表示目标是实数域,源是复数域XXXcr
表示目标是复数域,源是实数域所有数据都是 double
数组,对于复数域,第一个数字是实部,第二个数字是虚部,因此数组大小为 2N
。如果您需要它们的代码,两个函数都使用了FFT和iFFT,请评论我。只是为了确保我在下面添加了它们的非快速实现。复制它要容易得多,因为快速的实现使用了太多的变换类层次结构。
用于测试的慢速DFT、iDFT实现:
//---------------------------------------------------------------------------
void transform::DFTcr(double *dst,double *src,int n)
{
int i,j;
double a,b,a0,_n,q,qq,dq;
dq=+2.0*M_PI/double(n); _n=2.0/double(n);
for (q=0.0,j=0;j<n;j++,q+=dq)
{
a=0.0; b=0.0;
for (qq=0.0,i=0;i<n;i++,qq+=q)
{
a0=src[i];
a+=a0*cos(qq);
b+=a0*sin(qq);
}
dst[j+j ]=a*_n;
dst[j+j+1]=b*_n;
}
}
//---------------------------------------------------------------------------
void transform::iDFTrc(double *dst,double *src,int n)
{
int i,j;
double a,a0,a1,b0,b1,q,qq,dq;
dq=+2.0*M_PI/double(n);
for (q=0.0,j=0;j<n;j++,q+=dq)
{
a=0.0;
for (qq=0.0,i=0;i<n;i++,qq+=q)
{
a0=src[i+i ]; a1=+cos(qq);
b0=src[i+i+1]; b1=-sin(qq);
a+=(a0*a1)-(b0*b1);
}
dst[j]=a*0.5;
}
}
//---------------------------------------------------------------------------
因此,为了测试,请将名称重写为DFFTcr
和iDFFTrc
(或使用它们与您的FFT,iFFT
进行比较)。当代码正常工作时,再实现自己的FFT,iFFT。有关更多信息,请参见:
2D DFCT
resize src
matrix to power of 2
by adding zeros, to use fast algorithm the size must be always power of 2
!!!
allocate NxN
real matrices tmp,dst
and 1xN
complex vector t
transform lines by DFCTrr
DFCT(tmp.line(i),src.line(i),t,N)
transpose tmp
matrix
transform lines by DFCTrr
DFCT(dst.line(i),tmp.line(i),t,N)
transpose dst
matrix
normalize dst
by multiply matrix by 0.0625
2D iDFCT
2D iDFCT与上述相同,但使用iDFCTrr并乘以16.0。
[注]
在实现自己的FFT和iFFT之前,请确保它们与我的结果相同,否则DCT / iDCT将无法正常工作!!!