Python SciPy fft.ifftn用法及代码示例

本文简要介绍 python 语言中 scipy.fft.ifftn 的用法。

用法:

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

计算N-D 逆离散傅里叶变换。

此函数通过快速傅里叶变换 (FFT) 在 M-D 数组中的任意数量的轴上计算 N-D 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 ，应该以与 fftn 返回相同的方式排序，即它应该在低阶角的所有轴中具有零频率项，在所有轴的前半部分，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。

参数 ：：

x： 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ifft(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用来。请参阅有关问题的注释scipy.fft.ifft零填充。

axes： 整数序列，可选

计算IFFT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。

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

标准化模式(参见 fft )。默认为“backward”。

overwrite_x： 布尔型，可选

如果为真，则内容x可以销毁；默认为假。看scipy.fft.fft更多细节。

workers： 整数，可选

用于并行计算的最大工作线程数。如果为负，则该值从 os.cpu_count() 环绕。有关详细信息，请参阅 fft 。

plan： 对象，可选

此参数保留用于传递下游 FFT 供应商提供的预先计算的计划。它目前未在 SciPy 中使用。

返回 ：：

out： 复杂的ndarray

截断或补零的输入，沿轴指示的轴或通过 s 或 x 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

如果轴的某个元素大于 x 的轴数。

注意：

零填充与 ifft 类似，是通过沿指定维度向输入附加零来执行的。尽管这是常见的方法，但它可能会带来令人惊讶的结果。如果需要另一种形式的零填充，则必须在调用 ifftn 之前执行。

例子：

>>> 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 band-limited 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()