scipy.fft.

ifftn#

scipy.fft.ifftn(x, s=None, axes=None, norm=None, overwrite_x=False, workers=None, *, plan=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，输入应以与 fftn 返回的方式相同的方式排序，即，它应该在所有轴的低阶角具有零频率项，在所有轴的前半部分具有正频率项，在所有轴的中间具有奈奎斯特频率项，并且在所有轴的后半部分具有负频率项，按递减的负频率顺序排列。

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。如果未给出 s，则使用沿 axes 指定的轴的输入形状。有关 ifft 零填充的问题，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（请参阅 fft）。默认为“backward”。
overwrite_xbool，可选: 如果为 True，则可以销毁 x 的内容；默认值为 False。有关详细信息，请参阅 fft。
workersint，可选: 用于并行计算的最大工作线程数。如果为负数，则该值从 os.cpu_count() 环绕。有关详细信息，请参阅 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。它目前在 SciPy 中未使用。

1.5.0 版本新增。

返回:

out复数 ndarray: 沿 axes 指示的轴，或通过 s 或 x 的组合转换的截断或零填充输入，如上面的参数部分所述。

引发:

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

另请参阅

fftn: 正向 N 维 FFT，ifftn 是它的逆变换。
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

与 ifft 类似，零填充是通过沿指定的维度将零附加到输入来执行的。虽然这是常见的方法，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 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()