MATLAB 中的 fft2 与 OpenCV C++ 中的 dft 速度比较

我想知道为什么dftOpenCV C++ 中的函数比fft2对于二维矩阵。

以下C++代码来自文档 http://docs.opencv.org/2.4/doc/tutorials/core/discrete_fourier_transform/discrete_fourier_transform.html#discretfouriertransform:

void fft2(const Mat in, Mat &complexI) {
    Mat padded;
    int m = getOptimalDFTSize(in.rows);
    int n = getOptimalDFTSize(in.cols); 
    copyMakeBorder(in, padded, 0, m - in.rows, 0, n - in.cols, BORDER_CONSTANT, Scalar::all(0));

    Mat planes[] = {Mat_<float>(padded), Mat::zeros(padded.size(), CV_32F)};
    merge(planes, 2, complexI);
    dft(complexI, complexI);
}

int main(){
    Mat a(5000, 5000, CV_32F);
    randn(a, 0, 1);
    Mat res;
    clock_t start = clock();
    fft2(a,res);
    cout << clock() - start;
}

MATLAB代码：

mat1 = rand(5000,5000);
tic, a = fft2(mat1); toc

两个代码的结果是相同的；然而，C++ 代码花费了 1502 毫秒，而 MATLAB 代码花费了 660 毫秒。 OpenCV 似乎缺少一些优化。我想知道如何加快 OpenCV 代码的速度。

我正在使用 OpenCV 2.4.10 和 MATLAB R2016a 开发 Visual Studio 2015。计算机为 Windows 7、32 GB RAM、Intel Xeon 3.4 GHz。两项测试均在同一台机器上进行。

我找到了一堆 FFT 代码，但它们似乎很难应用于矩阵。矩阵有简单的解决方案吗？

OpenCV 的 FFT 实现可能不如 Matlab 的优化。
如果您需要 FFT 性能，那么请查看专门的 FFT 库，例如FFTW http://www.fftw.org/.