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-D离散傅立叶逆变换。
此函数通过快速傅立叶变换(FFT)计算多维阵列中任意多个轴上的N-D离散傅立叶变换的逆。换句话说,
ifftn(fftn(x)) == x
在数字精度范围内。输入,类似于
ifft
,应该以与返回的方式相同的方式进行排序。fftn
也就是说,在低阶转角的所有轴上都应该有零频率项,在所有轴的前半部分应该有正频率项,在所有轴的中间有奈奎斯特频率项,在所有轴的后一半有负频率项,按负频率递减的顺序排列,即在低阶角的所有轴上都有零频率项,在所有轴的前半部分有正频率项,在所有轴的中间有奈奎斯特频率项,在所有轴的后半轴有负频率项。- 参数
- xarray_like
输入数组,可以很复杂。
- s整型序列,可选
输出的形状(每个转换轴的长度) (
s[0]
指的是轴0,s[1]
到轴1,依此类推)。这对应于n
为ifft(x, n)
。沿任意轴,如果给定的形状小于输入的形状,则会裁剪输入。如果它较大,则输入用零填充。如果 s 指定的轴的输入形状。 axes 是使用的。请参阅上的发行说明ifft
零填充。- axes整型序列,可选
要在其上计算IFFT的轴。如果没有给出,最后一个
len(s)
如果使用轴,则使用轴;如果使用所有轴,则使用所有轴 s 也未指定。- norm{“向后”,“正向”,“向前”},选填
标准化模式(请参见
fft
)。默认值为“向后”。- overwrite_x布尔值,可选
如果为True,则 x 可以销毁;默认值为false。看见
fft
了解更多详细信息。- workers整型,可选
用于并行计算的最大工作进程数。如果为负值,则值从
os.cpu_count()
。看见fft
了解更多详细信息。- plan对象,可选
此参数保留用于传递由下游FFT供应商提供的预计算计划。它目前没有在本科学计划中使用。
1.5.0 新版功能.
- 退货
- out复数ndarray
沿由指示的轴转换的截断或填零的输入 axes ,或通过组合 s 或 x ,如上面的参数部分所述。
- 加薪
- ValueError
如果 s 和 axes 有不同的长度。
- IndexError
如果一个元素是 axes 的轴数大于 x 。
注意事项
补零,类似于
ifft
,是通过沿指定维度将零附加到输入来执行的。虽然这是常见的做法,但它可能会导致令人惊讶的结果。如果需要另一种形式的补零,则必须在ifftn
被称为。示例
>>> import scipy.fft >>> 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()