numpy.fft.ifft2#

fft.ifft2(a, s=None, axes=(-2, -1), norm=None, out=None)[source]#

计算二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二维离散傅里叶变换的逆变换。换句话说，ifft2(fft2(a)) == a 在数值精度范围内成立。默认情况下，逆变换在输入数组的最后两个轴上计算。

类似于 ifft，输入的顺序应与 fft2 返回的顺序相同，即零频率项应位于这两个轴的低阶角，正频率项位于这两个轴的前半部分，奈奎斯特频率项位于轴的中间，负频率项按递减的负频率顺序位于这两个轴的后半部分。

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) 的 n。沿每个轴，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 中已更改：如果它是 -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 指定的轴上输入的形状。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 不是 None，则 axes 也不能是 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 FFT 的轴。如果未给出，则使用最后两个轴。axes 中的重复索引表示多次执行该轴上的变换。一个元素的序列表示执行一维 FFT。默认值：(-2, -1)。

版本 2.0 中已弃用：如果指定了 s，则必须指定要变换的相应 axes，不能为 None。

norm{"backward", "ortho", "forward"}，可选

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

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（因此与传入除琐碎的 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（如果未给出 axes，则为最后两个轴）指示的轴截断或零填充的输入变换。

引发：

ValueError: 如果 s 和 axes 的长度不同，或者未给出 axes 并且 len(s) != 2。
IndexError: 如果 axes 的元素大于 a 的轴数。

另请参见

numpy.fft: 离散傅里叶变换的总体视图，包括定义和使用的约定。
fft2: 正向二维 FFT，ifft2 是其逆变换。
ifftn: n 维 FFT 的逆变换。
fft: 一维 FFT。
ifft: 一维逆 FFT。

注释

ifft2 只是 ifftn，但 axes 的默认值不同。

有关详细信息和绘图示例，请参见 ifftn，有关定义和使用的约定，请参见 numpy.fft。

类似于 ifft，零填充是通过沿指定维度将零附加到输入来执行的。虽然这是常见的方法，但它可能会导致令人惊讶的结果。如果需要另一种形式的零填充，则必须在调用 ifft2 之前执行。

示例

>>> import numpy as np
>>> a = 4 * np.eye(4)
>>> np.fft.ifft2(a)
array([[1.+0.j,  0.+0.j,  0.+0.j,  0.+0.j], # may vary
       [0.+0.j,  0.+0.j,  0.+0.j,  1.+0.j],
       [0.+0.j,  0.+0.j,  1.+0.j,  0.+0.j],
       [0.+0.j,  1.+0.j,  0.+0.j,  0.+0.j]])