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.有关定义和约定使用的描述,请参见
numpy.fft.输入应与
ifft类似,应按fftn返回的顺序排列,即所有轴的低阶角应为零频率项,所有轴的前半部分应为正频率项,所有轴的中部应为奈奎斯特频率项,所有轴的后半部分应为负频率项,按频率递减顺序排列.- 参数:
- aarray_like
输入数组,可以是复杂的.
- s整数序列,可选
输出形状（每个变换轴的长度）（
s[0]指轴 0,``s[1]`` 指轴 1,等等）.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,则输入被裁剪.如果它更大,则输入用零填充.在 2.0 版本发生变更: 如果它是
-1,则使用整个输入（无填充/修剪）.如果 s 未给出,则使用沿由 axes 指定的轴的输入形状.请参阅关于
ifft零填充问题的注释.自 2.0 版本弃用: 如果 s 不是
None,那么 axes 也必须不是None.自 2.0 版本弃用: s 必须只包含
int,不能包含None值.``None`` 值目前意味着在相应的 1-D 变换中使用n的默认值,但这种行为已被弃用.- axes整数序列,可选
要计算 IFFT 的轴.如果没有给出,则使用最后的
len(s)轴,或者如果 s 也没有指定,则使用所有轴.`axes` 中的重复索引意味着在该轴上执行多次逆变换.自 2.0 版本弃用: 如果指定了 s,则必须显式指定要转换的相应 轴.
- norm{“backward”, “ortho”, “forward”},可选
在 1.10.0 版本加入.
归一化模式（参见
numpy.fft）.默认是”backward”.指示正向/反向变换对中哪个方向被缩放以及使用什么归一化因子.在 1.20.0 版本加入: 添加了”backward”、”forward”值.
- outcomplex ndarray, 可选
如果提供,结果将被放置在这个数组中.它应该具有所有轴的适当形状和 dtype（因此与传入除平凡的
s之外的所有内容不兼容）.在 2.0.0 版本加入.
- 返回:
- out复杂 ndarray
被截断或零填充的输入,沿着由 axes 指示的轴转换,或者由 s 或 a 的组合转换,如上述参数部分所述.
- 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.
参见
备注
请参阅
numpy.fft以了解所使用的定义和约定.零填充,类似于
ifft,是通过在指定维度上向输入追加零来执行的.尽管这是常见的方法,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()
