numpy.fft.ifftn#
- fft.ifftn(a, s=None, axes=None, norm=None, out=None)[source]#
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。换句话说，
ifftn(fftn(a)) == a在数值精度范围内。有关使用的定义和约定的描述，请参见numpy.fft。类似于
ifft，输入应该按与fftn返回的相同方式排序，即所有轴的零频率项在低阶角，所有轴的前半部分为正频率项，所有轴的中间为奈奎斯特频率项，所有轴的后半部分为负频率项，按照负频率递减的顺序。- 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n用于ifft(x, 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。在版本 2.0 中更改： 如果它是
-1，则使用整个输入（不进行填充/修剪）。如果未给出 s，则使用由 axes 指定的轴上输入的形状。有关
ifft零填充问题的说明，请参见说明。从版本 2.0 开始弃用： 如果 s 不是
None，则 axes 也不能是None。从版本 2.0 开始弃用： s 必须只包含
int，而不是None值。目前，None值意味着在相应的 1 维变换中使用n的默认值，但此行为已弃用。- axes整数序列，可选
要计算 IFFT 的轴。如果未给出，则使用最后的
len(s)轴，或者如果 s 也未指定，则使用所有轴。axes 中重复的索引表示对该轴执行多次逆变换。从版本 2.0 开始弃用： 如果指定了 s，则也必须明确指定要变换的相应 axes。
- norm{“backward”, “ortho”, “forward”}，可选
版本 1.10.0 中的新增功能。
规范化模式（参见
numpy.fft）。默认值为“backward”。指示正向/反向变换对的哪个方向进行缩放以及缩放的规范化因子。在版本 1.20.0 中添加： 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。它应该具有所有轴的适当形状和 dtype（因此与传入除平凡
s之外的所有内容不兼容）。版本 2.0.0 中的新增功能。
- 返回值：:
- out复数 ndarray
沿着由 axes 指定的轴，或通过上述参数部分中解释的 s 或 a 的组合进行变换的截断或零填充输入。
- 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。
参见
说明
有关使用的定义和约定，请参见
numpy.fft。类似于
ifft，零填充是通过在指定维度上向输入追加零来执行的。虽然这是常见的方法，但它可能会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]])
创建并绘制一个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()
