実際に用いられる DFT のデータのほとんどは実数です．この実数データの DFT を計算するもっとも単純な方法は，虚数部にゼロをつめて複素 FFT で 計算することです．しかし，これは半分の無駄な計算が含まれます．さらに， 入力データは半分がゼロで，出力も複素共役対称になり，データの半分が 冗長になります．しかし，この問題はちょっとした工夫で解決できます． ここでは，複素 FFT の虚部を有効に活用する方法と，複素 FFT を変形して 無駄な計算を省く方法の二つについて示します．
ここでは，複素 FFT を利用して実数データの DFT を計算するいくつかの 効率的な方法について示します．
ます，第一の方法は，一つの複素 FFT を用いて二つの実数データの DFT を同時に計算するというものです．方法は，入力の複素データの 実部に一つ，虚部にもう一つの実数データを入れて複素 FFT を呼び出す というものです．すなわち，二つの実数データ ｒ_j，ｓ_j を一つの 複素数データ
ａ ＝ ｒ ＋ i ｓ
j j j
にまとめて，長さ N の複素 FFT を実行します．複素 FFT の出力 Ａ_k は， 複素共役対称性から
Ａ ＝ Ｒ ＋ i Ｓ
k k k
＿
Ａ ＝ Ｒ − i Ｓ
N-k k k
が成り立つので，容易に Ａ_k，Ａ_N-k から DFT の結果 Ｒ_k，Ｓ_k が 求められることになります．この後処理は，スケーリングを無視すれば 加算だけで実行でき，後に示す実数専用の FFT ルーチンを用いる方法と 比較してほぼ同じ効率で計算できます．一方，この方法は同時に二つの DFT を計算してしまうので，使用目的が制限されるという欠点があります． さらに，この方法の応用で細かい注意があります．たとえば，ｒ_j の 絶対値がｓ_j に比べて非常に大きい場合は，途中の混合された計算で Ｓ_k は Ｒ_k に含まれる大きな誤差に埋もれてしまう危険性があります． 誤差を最小にするためには，二つのデータの値を同じ程度にそろえて おかなければなりません．しかし，二つのデータの値が極端に異ならない 場合や，二つのデータが独立でない場合 (たとえば多次元 FFT の Row-Column 法での二列を同時に変換する場合) などではそれほど 気にする必要はありません．
第二の方法は，一つの実数データの DFT を半分の長さの複素 FFT で 計算するという方法です．方法は，時間間引きの FFT の分解を一段だけ行い， 長さ N の実数データの DFT を N/2 の長さの二つの DFT に分解し，上の 第一の方法を用いるというものです．具体的には，まず入力の複素データの 実部に実数データの偶数番目，虚部に奇数番目の実数データを入れて 複素 FFT を呼び出します．すなわち，実数データ ｒ_j を複素数データ
ａ ＝ ｒ ＋ i ｒ
j 2j 2j+1
として，長さ N/2 の複素 FFT を実行します．実数 DFT の出力 Ｒ_k は， 第一の方法と時間間引きの FFT のバタフライ演算を組み合わせた演算
1 i k ＿
Ｒ ＝ Ａ − （--- + --- Ｗ ） （Ａ − Ａ ）
k k 2 2 N k N/2-k
＿ ＿ 1 i k ＿
Ｒ ＝ Ａ ＋ （--- + --- Ｗ ） （Ａ − Ａ ）
N/2-k N/2-k 2 2 N k N/2-k
(1 <= k < N/4)
Ｒ ＝ Re（Ａ ） ＋ Im（Ａ ）
0 0 0
Ｒ ＝ Re（Ａ ） − Im（Ａ ）
N/2 0 0
Ｒ ＝ Ａ
N/4 N/4
から復元できます．この方法の演算量は，長さ N/2 の複素数 FFT の演算量に N/4-1 回の複素数乗算と 3*N/4-2 回の複素数加算を加えたものとなります． 多くの書物での同様な算法は，変形が甘く演算量はこれより少し多くなるので 注意してください．
また，実数データの DFT の逆変換 (すなわち複素共役対称な DFT) は これらの手順を逆にすることで得られ，演算量もまったく同じになります．
これらの方法は，複素 FFT だけを用意しておけばよいのでプログラミングの 手間が省けるという利点があります．