C/C++中固定长度实输入数据的高效二维FFT

我正在开发一种算法，该算法多次调用FFT函数。我有几个时间限制(需要实时)，所以我需要尽量减少每次FFT调用所花费的时间。

我正在使用OpenCV库，我已经用两种不同的方法实现了我的代码：

• 使用FFTW库。数据/内存管理+FFT(8ms)=14ms(平均值，FFT_MEASURE标志)
• 使用OpenCV fft函数。数据/内存管理+FFT(21ms)=23ms(平均值)

由于我的输入数据总是固定为512x512像素的真实图像，你认为如果我自己实现基于DFT数学定义的FFT算法，存储正弦/余弦表可以获得更好的性能吗？或者FFTW库真的非常优化了吗？有更好的主意吗？

我们将非常感谢所有的想法和建议。到目前为止，我还没有考虑并行化或GPU实现。

谢谢

更新：

系统：Windows 7、Visual Studio 10.0和FFTW 3.3.3中的Intel Xeon 5130 2.0GHz CPU(按照网站中的说明编译)，OpenCV 2.4.3。

使用FFTW进行FFT调用的代码示例(输入：OpenCV Mat CV_32F(1个通道，浮点型)，输出OpenCV MatCV_32FC2(2个通道，浮动型)：

float           *im_data;
fftwf_complex    *data_in;
fftwf_complex    *fft;      
fftwf_plan       plan_f;
int             i, j, k;
int height=I.rows;
int width=I.cols;
int N=height*width;

float* outdata = new float[2*N];
im_data = ( float* ) I.data;
data_in = ( fftwf_complex* )fftwf_malloc( sizeof( fftwf_complex ) * N );
fft     = ( fftwf_complex* )fftwf_malloc( sizeof( fftwf_complex ) * N );
plan_f = fftwf_plan_dft_2d( height , width , data_in , fft ,  FFTW_FORWARD ,  FFTW_MEASURE );
for(int i = 0,k=0; i < height; ++i) {
float* row = I.ptr<float>(i);
for(int j = 0; j < width; j++) {
data_in[k][0]=(float)row[j];
data_in[k][1] =(float)0.0;
k++;
}
} 
fftwf_execute( plan_f );
int width2=2*width;
// writing output matrix: RealFFT[0],ImaginaryFFT[0],RealFFT[1],ImaginaryFFT[1],...
for( i = 0, k = 0 ; i < height ; i++ ) {
for( j = 0 ; j < width2 ; j++ ) {
outdata[i * width2 + j] = ( float )fft[k][0];
outdata[i * width2 + j+1] = ( float )fft[k][1];
j++;
k++;
}
}
Mat fft_I(height,width,CV_32FC2,outdata);
fftwf_destroy_plan( plan_f );
fftwf_free( data_in );
fftwf_free( fft );

return fft_I;