scipy.fft.

ifftn#

scipy.fft.ifftn(x, s=None, axes=None, norm=None, overwrite_x=False, workers=None, *, plan=None)[source]#

计算 N 维逆离散傅里叶变换。

此函数使用快速傅里叶变换 (FFT) 在 M 维数组中计算任意数量轴上的 N 维离散傅里叶变换的逆。换句话说，ifftn(fftn(x)) == x 在数值精度范围内。

输入类似于 ifft，应该按 fftn 返回的顺序排序，即所有轴的零频率项应位于低阶角，正频率项位于所有轴的前半部分，奈奎斯特频率项位于所有轴的中间，负频率项位于所有轴的后半部分，按照负频率递减的顺序。

参数:

xarray_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，等等）。这对应于 n 对于 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。如果未给出 s，则使用由 axes 指定的轴上的输入形状。有关 ifft 零填充问题，请参阅注释。
axes整数序列，可选: 要计算 IFFT 的轴。如果未给出，则使用最后 len(s) 个轴，或者如果也未指定 s，则使用所有轴。
norm{“backward”, “ortho”, “forward”}，可选: 归一化模式（参见 fft）。默认值为“backward”。
overwrite_x布尔值，可选: 如果为 True，则可以破坏 x 的内容；默认值为 False。有关更多详细信息，请参见 fft。
workers整数，可选: 用于并行计算的最大工作线程数。如果为负数，则该值将从 os.cpu_count() 中回绕。有关更多详细信息，请参见 fft。
plan对象，可选: 此参数保留用于传入下游 FFT 供应商提供的预先计算的计划。目前在 SciPy 中未使用。

在版本 1.5.0 中添加。

返回:

out复数 ndarray: 沿由 axes 指定的轴，或由 s 或 x 的组合指定，如上面参数部分所解释，进行变换的截断或用零填充的输入。

引发:

ValueError: 如果 s 和 axes 长度不同。
IndexError: 如果 axes 的元素大于 x 的轴数。

另请参见

fftn: 正向 N 维 FFT，ifftn 是其逆。
ifft: 一维逆 FFT。
ifft2: 二维逆 FFT。
ifftshift: 撤消 fftshift，将零频率项移到数组的开头。

注释

类似于 ifft，零填充是通过在指定维度上附加零来执行的。虽然这是常见的方法，但它可能会导致意外的结果。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 scipy.fft
>>> import numpy as np
>>> x = np.eye(4)
>>> scipy.fft.ifftn(scipy.fft.fftn(x, 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
>>> rng = np.random.default_rng()
>>> n = np.zeros((200,200), dtype=complex)
>>> n[60:80, 20:40] = np.exp(1j*rng.uniform(0, 2*np.pi, (20, 20)))
>>> im = scipy.fft.ifftn(n).real
>>> plt.imshow(im)
<matplotlib.image.AxesImage object at 0x...>
>>> plt.show()