Python numpy fft.fftn用法及代码示例

本文简要介绍 python 语言中 numpy.fft.fftn 的用法。

用法:

fft.fftn(a, s=None, axes=None, norm=None)

计算 N 维离散傅里叶变换。

此函数通过快速傅里叶变换 (FFT) 在 M-dimensional 数组中的任意数量的轴上计算 N 维离散傅里叶变换。

参数：

a： array_like

输入数组，可以很复杂。

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]到轴 1 等)。这对应于n为了fft(x, n).沿着任何轴，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s未给出，输入沿指定轴的形状轴被使用。

axes： 整数序列，可选

计算 FFT 的轴。如果没有给出，最后一个len(s)使用轴，或所有轴，如果s也没有指定。中的重复索引轴表示该轴上的变换被执行多次。

norm： {“backward”, “ortho”, “forward”}，可选

标准化模式(参见 numpy.fft )。默认为“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。

返回：

out： 复杂的ndarray

截断或零填充的输入，沿轴指示的轴或通过 s 和 a 的组合进行转换，如上面的参数部分所述。

抛出：

ValueError

如果 s 和轴有不同的长度。

IndexError

如果轴的元素大于a的轴数。

注意：

输出，类似于 fft ，包含所有轴低阶角的零频率项、所有轴前半部分的正频率项、所有轴中间的奈奎斯特频率项和所有轴的后半部分的负频率项，按负频率递减的顺序。

有关使用的详细信息、定义和约定，请参阅 numpy.fft 。

例子：

>>> a = np.mgrid[:3, :3, :3][0]
>>> np.fft.fftn(a, axes=(1, 2))
array([[[ 0.+0.j,   0.+0.j,   0.+0.j], # may vary
        [ 0.+0.j,   0.+0.j,   0.+0.j],
        [ 0.+0.j,   0.+0.j,   0.+0.j]],
       [[ 9.+0.j,   0.+0.j,   0.+0.j],
        [ 0.+0.j,   0.+0.j,   0.+0.j],
        [ 0.+0.j,   0.+0.j,   0.+0.j]],
       [[18.+0.j,   0.+0.j,   0.+0.j],
        [ 0.+0.j,   0.+0.j,   0.+0.j],
        [ 0.+0.j,   0.+0.j,   0.+0.j]]])
>>> np.fft.fftn(a, (2, 2), axes=(0, 1))
array([[[ 2.+0.j,  2.+0.j,  2.+0.j], # may vary
        [ 0.+0.j,  0.+0.j,  0.+0.j]],
       [[-2.+0.j, -2.+0.j, -2.+0.j],
        [ 0.+0.j,  0.+0.j,  0.+0.j]]])

>>> import matplotlib.pyplot as plt
>>> [X, Y] = np.meshgrid(2 * np.pi * np.arange(200) / 12,
...                      2 * np.pi * np.arange(200) / 34)
>>> S = np.sin(X) + np.cos(Y) + np.random.uniform(0, 1, X.shape)
>>> FS = np.fft.fftn(S)
>>> plt.imshow(np.log(np.abs(np.fft.fftshift(FS))**2))
<matplotlib.image.AxesImage object at 0x...>
>>> plt.show()