numpy.fft.ifftn#
- fft.ifftn(a, s=None, axes=None, norm=None, out=None)[source]#
计算 N 维逆离散傅里叶变换。
此函数通过快速傅里叶变换 (FFT) 计算 M 维数组中任意数量轴上的 N 维离散傅里叶变换的逆变换。换句话说，
ifftn(fftn(a)) == a在数值精度范围内成立。有关所用定义和约定的说明，请参见numpy.fft。与
ifft类似，输入的排序方式应与fftn返回的排序方式相同，即所有轴的零频率项应位于低阶角，正频率项位于所有轴的前半部分，奈奎斯特频率项位于所有轴的中间，负频率项位于所有轴的后半部分，按负频率递减的顺序排列。- 参数：
- aarray_like
输入数组，可以是复数。
- s整数序列，可选
输出的形状（每个变换轴的长度）(
s[0]指的是轴 0，s[1]指的是轴 1，依此类推)。这对应于ifft(x, n)中的n。沿任何轴，如果给定的形状小于输入的形状，则裁剪输入。如果它更大，则用零填充输入。版本 2.0 中更改: 如果为
-1，则使用整个输入（不进行填充/修剪）。如果没有给出 s，则使用由 axes 指定的轴上的输入形状。有关
ifft零填充的问题，请参见注释。版本 2.0 中已弃用: 如果 s 不为
None，则 axes 也不能为None。版本 2.0 中已弃用: s 必须只包含
int，而不是None值。None值当前意味着在相应的 1-D 变换中使用n的默认值，但此行为已弃用。- axes整数序列，可选
计算 IFFT 的轴。如果未给出，则使用最后的
len(s)个轴，如果 s 也未指定，则使用所有轴。axes 中重复的索引表示多次执行该轴上的逆变换。版本 2.0 中已弃用: 如果指定了 s，则也必须显式指定要变换的相应 axes。
- norm{"backward", "ortho", "forward"}，可选
规范化模式（参见
numpy.fft）。默认为“backward”。指示正向/反向变换对中的哪个方向被缩放以及使用什么规范化因子。版本 1.20.0 中新增: 添加了“backward”、“forward”值。
- out复数 ndarray，可选
如果提供，则结果将放置在此数组中。它应该具有所有轴的适当形状和 dtype（因此与传入除 trivial
s之外的所有内容不兼容）。版本 2.0.0 中新增。
- 返回：
- out复数 ndarray
沿 axes（或 s 或 a 的组合，如上文参数部分所述）指示的轴进行变换的已截断或零填充的输入。
- 引发：
- ValueError
如果 s 和 axes 的长度不同。
- IndexError
如果 axes 的元素大于 a 的轴数。
另请参见
注释
有关所使用的定义和约定，请参见
numpy.fft。与
ifft类似，零填充是通过沿指定维度将零附加到输入来执行的。虽然这是常用方法，但它可能会导致意外的结果。如果需要其他形式的零填充，则必须在调用ifftn之前执行。示例
>>> import numpy as np >>> a = np.eye(4) >>> np.fft.ifftn(np.fft.fftn(a, axes=(0,)), axes=(1,)) array([[1.+0.j, 0.+0.j, 0.+0.j, 0.+0.j], # may vary [0.+0.j, 1.+0.j, 0.+0.j, 0.+0.j], [0.+0.j, 0.+0.j, 1.+0.j, 0.+0.j], [0.+0.j, 0.+0.j, 0.+0.j, 1.+0.j]])
创建并绘制具有带限频率内容的图像
>>> import matplotlib.pyplot as plt >>> n = np.zeros((200,200), dtype=complex) >>> n[60:80, 20:40] = np.exp(1j*np.random.uniform(0, 2*np.pi, (20, 20))) >>> im = np.fft.ifftn(n).real >>> plt.imshow(im) <matplotlib.image.AxesImage object at 0x...> >>> plt.show()
