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(x)) == x 在数值精度范围内成立。

与 ifft 类似，输入应以 fftn 返回的相同方式排序，即，在所有轴的低阶角处应包含零频率项，在所有轴的前半部分应包含正频率项，在所有轴的中间应包含奈奎斯特频率项，在所有轴的后半部分应包含负频率项，按负频率递减的顺序排列。

参数:

x类数组: 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] 指轴 0，s[1] 指轴 1，依此类推）。这对应于 ifft(x, n) 中的 n。沿任何轴，如果给定形状小于输入的形状，则输入会被裁剪。如果更大，则输入用零填充。如果未给出 s，则使用沿由 axes 指定的轴的输入形状。有关 ifft 零填充问题，请参阅说明。
axes整数序列，可选: 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。
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，x 的内容可能会被破坏；默认值为 False。有关更多详细信息，请参阅 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() 环绕。有关更多详细信息，请参阅 fft。
plan对象，可选: 此参数保留用于传入由下游 FFT 供应商提供的预计算计划。它目前在 SciPy 中未使用。

在 1.5.0 版中新增。

返回:

out复数 ndarray: 被截断或零填充的输入，沿由 axes 指示的轴进行变换，或者根据上述参数部分中所述，由 s 或 x 的组合进行变换。

引发:

ValueError: 如果 s 和 axes 的长度不同。
IndexError: 如果 axes 的一个元素大于 x 的轴数。

另请参阅

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

说明

零填充，与 ifft 类似，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。如果需要其他形式的零填充，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()