numpy.fft.ifftn#

fft.ifftn(a, s=None, axes=None, norm=None, out=None)[源]#

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 维逆离散傅里叶变换。换句话说，在数值精度范围内，ifftn(fftn(a)) == a。有关所用定义和约定的描述，请参见 numpy.fft。

输入（类似于 ifft）应与 fftn 返回的顺序相同，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，负频率项按负频率递减的顺序位于所有轴的后半部分。

参数:

a类数组

输入数组，可以是复数。

sint 序列，可选

输出的形状（每个变换轴的长度）（s[0] 指轴 0，s[1] 指轴 1 等）。这对应于 ifft(x, n) 中的 n。沿任何轴，如果给定形状小于输入形状，则输入将被裁剪。如果给定形状更大，则输入将用零填充。

2.0 版本中的变化: 如果为 -1，则使用整个输入（无填充/裁剪）。

如果未给出 s，则使用沿 axes 指定轴的输入形状。有关 ifft 零填充的问题，请参见注释。

自 2.0 版本废弃: 如果 s 不为 None，则 axes 也不能为 None。

自 2.0 版本废弃: s 必须只包含 int 类型的值，而不是 None 值。None 值目前表示在相应的 1-D 变换中使用 n 的默认值，但此行为已废弃。

axesint 序列，可选

计算 IFFT 的轴。如果未给出，则使用最后 len(s) 个轴，或者如果也未指定 s，则使用所有轴。axes 中重复的索引意味着对该轴进行多次逆变换。

自 2.0 版本废弃: 如果指定了 s，则必须也明确指定要变换的相应 axes。

norm{“backward”, “ortho”, “forward”}，可选

归一化模式（参见 numpy.fft）。默认为 “backward”。指示正向/反向变换对的哪个方向进行缩放以及使用什么归一化因子。

1.20.0 版本新增: 添加了 “backward” 和 “forward” 值。

out复数 ndarray，可选

如果提供，结果将放入此数组中。它应具有所有轴的适当形状和 dtype（因此与传入除平凡 s 之外的所有值不兼容）。

2.0.0 版本新增。

返回:

out复数 ndarray: 被裁剪或零填充的输入，沿由 axes 指定的轴或由 s 或 a 的组合（如上文参数部分所述）进行变换。

抛出:

ValueError: 如果 s 和 axes 的长度不同。
IndexError: 如果 axes 中的某个元素大于 a 的轴数。

另请参见

numpy.fft: 离散傅里叶变换的整体视图，包括所用定义和约定。
fftn: 正向 n 维 FFT，ifftn 是它的逆变换。
ifft: 一维逆 FFT。
ifft2: 二维逆 FFT。
ifftshift: 撤销 fftshift，将零频率项移到数组开头。

注意

有关所用定义和约定，请参见 numpy.fft。

零填充（类似于 ifft）是通过沿指定维度向输入追加零来执行的。尽管这是常见方法，但它可能导致意想不到的结果。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()