numpy.fft.ifftn#
- fft.ifftn(a, s=None, axes=None, norm=None, out=None)[源代码]#
计算 N 维逆离散傅立叶变换。
此函数通过快速傅立叶变换 (FFT) 计算 M 维数组中任意数量轴上的 N 维离散傅立叶变换的逆变换。换句话说，
ifftn(fftn(a)) == a（在数值精度范围内）。有关所使用的定义和约定，请参见numpy.fft。输入（类似于
ifft）的顺序应与fftn返回的顺序相同，即，所有轴上的零频率项应位于低阶角，所有轴上的正频率项应位于第一半部分，所有轴上的奈奎斯特频率项应位于中间，所有轴上的负频率项应位于第二半部分，按频率从负到正的顺序排列。- 参数:
- a类数组对象
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，如果给定形状小于输入形状，则输入将被裁剪。如果给定形状大于输入形状，则输入将被零填充。版本 2.0 已更改：如果为
-1，则使用整个输入（无填充/裁剪）。如果未给出 s，则使用由 axes 指定的轴上的输入形状。有关
ifft零填充的问题，请参阅注意事项。版本 2.0 已弃用：如果s不是
None，则axes也必须不是None。版本 2.0 已弃用：s必须只包含
int，而不是None值。None值当前表示在相应的 1D 变换中使用n的默认值，但此行为已被弃用。- axes整数序列，可选
计算 IFFT 的轴。如果未给出，则使用最后
len(s)个轴，如果 s 也未指定，则使用所有轴。在 axes 中重复的索引意味着在该轴上执行逆变换多次。版本 2.0 已弃用：如果指定了s，则必须明确指定要变换的相应axes。
- norm{“backward”, “ortho”, “forward”}, optional
归一化模式（请参阅
numpy.fft）。默认为“backward”。指示前向/后向变换对的哪个方向被缩放以及缩放因子是多少。版本 1.20.0 已添加：添加了“backward”、“forward”值。
- out复数 ndarray，可选
如果提供，结果将放置在此数组中。它应具有所有轴的适当形状和 dtype（因此，除了最简单的情况
s外，它与传递不兼容）。版本 2.0.0 中新增。
- 返回:
- outcomplex ndarray
已截断或零填充的输入，沿 axes 指定的轴进行变换，或通过 s 或 a 的组合进行变换，如上文参数部分所述。
- 引发:
- ValueError
如果s和axes的长度不同。
- IndexError
如果axes的某个元素大于a的轴数。
另请参阅
备注
有关所使用的定义和约定，请参阅
numpy.fft。零填充，类似于
ifft，是通过在指定维度上向输入附加零来执行的。虽然这是常见的方法，但它可能会导致意外的结果。如果需要其他形式的零填充，必须在调用ifftn之前进行。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()
