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 维逆离散傅里叶变换. 换句话说,在数值精度范围内,
ifftn(fftn(a)) == a. 有关使用的定义和约定的描述,请参见numpy.fft.与
ifft类似,输入应以与fftn返回的方式相同的顺序排序,即它应该在所有轴的低阶角中具有零频率项,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,以及在所有轴的后半部分中按递减负频率顺序排列的负频率项.- 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(每个转换轴的长度)(
s[0]指的是轴 0,s[1]指的是轴 1,等等).这对应于ifft(x, n)中的n.沿着任何轴,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,则输入将用零填充.在 2.0 版本发生变更: 如果它是
-1,则使用整个输入(不进行填充/修剪).如果未给出 s ,则使用由 axes 指定的轴上的输入的形状.有关
ifft零填充的问题,请参见注释.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
int,而不是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,但此行为已被弃用.- axes整数序列,可选
用于计算 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. axes 中重复的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”},可选
归一化模式(请参阅
numpy.fft).默认为 “backward”.指示缩放正向/反向变换对的哪个方向以及使用什么归一化因子.在 1.20.0 版本加入: 增加了“backward”,“forward”值.
- outcomplex ndarray, 可选
如果提供,结果将放置在此数组中.它应该具有适合所有轴的适当形状和dtype(因此与传递所有轴(除了琐碎的
s)不兼容).在 2.0.0 版本加入.
- 返回:
- outcomplex ndarray
截断或零填充的输入,沿着由 axes 指示的轴,或由 s 或 a 的组合转换,如上面的参数部分中所述.
- 提出:
- 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
注释
有关使用的定义和约定,请参见
numpy.fft.与
ifft类似,零填充是通过将零附加到指定维度上的输入来执行的.虽然这是一种常见的方法,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()
