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,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.与
ifft类似,输入应以与fftn返回的相同方式排序,即,它应在低阶角的所有轴中具有零频率项,在所有轴的前半部分中具有正频率项,在所有轴的中间具有奈奎斯特频率项,并在所有轴的后半部分中具有负频率项,并按递减的负频率顺序排列.- 参数:
- aarray_like
输入数组,可以是复数.
- ssequence of ints, optional
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,等等).这对应于ifft(x, n)的n.沿任何轴,如果给定的形状小于输入的形状,则输入将被裁剪.如果它更大,则用零填充输入.在 2.0 版本发生变更: 如果它是
-1,则使用整个输入(不填充/修剪).如果未提供 s ,则使用输入沿 axes 指定的轴的形状.有关
ifft零填充的问题,请参阅注释.自 2.0 版本弃用: 如果 s 不是
None,则 axes 也不能是None.自 2.0 版本弃用: s 必须仅包含
ints,而不是None值.None值当前表示在相应的 1-D 变换中使用n的默认值,但是此行为已被弃用.- axessequence of ints, optional
在其上计算 IFFT 的轴.如果未指定,则使用最后的
len(s)个轴,如果 s 也未指定,则使用所有轴. axes 中的重复索引意味着在该轴上多次执行逆变换.自 2.0 版本弃用: 如果指定了 s ,则还必须显式指定要变换的相应 axes .
- norm{“backward”, “ortho”, “forward”}, optional
归一化模式(参见
numpy.fft).默认值为"backward".指示前向/后向变换对的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, optional
如果提供,结果将放置在此数组中.对于所有轴,它应具有适当的形状和 dtype(因此与传入除了琐碎的
s之外的所有内容都不兼容).在 2.0.0 版本加入.
- 返回:
- outcomplex ndarray
沿 axes 指示的轴,或通过 s 或 a 的组合变换的截断或零填充输入,如上面的参数部分中所述.
- Raises:
- ValueError
如果 s 和 axes 具有不同的长度.
- IndexError
如果 axes 的元素大于 a 的轴数.
参见
注释
有关所用定义和约定,请参见
numpy.fft.与
ifft类似,零填充是通过将零添加到输入沿指定维度来执行的.虽然这是常用的方法,但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()
