FFTW二维变换必须用fftw_plan_dft_2d而非嵌套一维计划，因后者不处理内存布局导致频谱旋转和相位混乱；输入须为连续行主序fftw_complex*数组，尺寸顺序为height×width；逆变换后需手动归一化1/(width×height)。
FFTW二维变换必须用fftw_plan_dft_2d，别碰fftw_plan_dft手动嵌套
直接用一维fftw_plan_dft套两层，结果是错的：它不会自动处理行/列顺序和内存布局，输出频谱会旋转、相位混乱。二维DFT在数学上虽可分解，但FFTW底层对fftw_plan_dft_2d做了内存对齐、缓存友好重排和行列耦合优化，手动拆解既没提速还引入bug。
实操建议：
- 输入数组必须是
double _Complex *类型（或fftw_complex *），不能传std::complex裸指针——FFTW不认C++类布局，强制转换可能触发未定义行为* - 宽高参数顺序是
height, width（即rows, cols），和Matlab/CV习惯一致，但和部分文档图示相反，传反会导致结果尺寸错乱 - 计划创建后，
fftw_execute只接受原始指针，不接受std::vector的.data()——除非你确认该vector连续且未被移动过；更稳妥是用new fftw_complex[N]或fftw_malloc
输入数据要提前按行主序铺平，别指望FFTW帮你reshape
FFTW不接收二维指针double **或std::vector<:vector>>。它只吃一块连续内存，且默认按C语言行主序（row-major）解释：第0行、第1行……逐行排布。
常见错误现象：
- 用
vector直接取>> &v[0][0]——若内层vector大小不一或分配不连续，地址无效 - 把图像数据按列读入（如某些Python PIL默认），再直接喂给FFTW，结果频谱轴向颠倒
- 忘记将实部/虚部分开填充：即使只做实信号DFT，也要显式构造
fftw_complex数组，实部填数据，虚部全0
正确做法：用std::vector预分配height * width个元素，循环填入in[y * width + x] = {data[y][x], 0.0}。
FFTW_MEASURE vs FFTW_ESTIMATE：调试期用后者，上线前必须换前者
FFTW_MEASURE会实际运行几十次变换来择优算法，耗时可能达秒级（尤其大尺寸如1024×1024）；而FFTW_ESTIMATE跳过测量，用启发式规则选法，快但慢30%~200%。
性能影响明显：
- 首次调用
fftw_plan_dft_2d时选FFTW_MEASURE，计划会被缓存，后续同尺寸复用极快——但注意：缓存键包含尺寸、方向（正/逆）、内存对齐状态，任意一项变就失效 - 若程序启动后尺寸固定（如处理固定分辨率视频帧），务必在初始化阶段用
FFTW_MEASURE生成计划，之后全用它 - 千万别在每帧都重新
fftw_plan_dft_2d(..., FFTW_MEASURE)——CPU狂飙，帧率崩盘 - 用
fftw_plan_with_nthreads开启多线程前，先确认你的数据尺寸是否值得并行：小图（如64×64）开4线程反而更慢
逆变换后需手动归一化，FFTW不除N
FFTW的fftw_plan_dft_2d正变换不做缩放，逆变换也不除以总点数width * height。这意味着ifft(fft(x)) != x，而是放大了width * height倍。
容易踩的坑：
- 直接显示逆变换结果，像素值爆炸溢出（如原图0~255，还原后变0~65535）
- 做滤波后想对比原图和处理图，忘了归一化，数值完全不可比
- 用
fftw_plan_dft_c2r_2d（复数转实数逆变换）时，输出是double *，但归一化因子仍是width * height，不是width * height / 2
最简方案：逆变换后循环除一次1.0 / (width * height)。别信“某些封装库自动归一化”——FFTW本身绝不碰这个。
内存布局、归一化、计划复用——这三个点卡住90%的初学者。没跑通前，先用3×3小矩阵手算验证中间值，比查文档快得多。
C++免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 C++ 的入门与实战技巧！
