scipy.fft.

ifftn#

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

計算 N 維反離散傅立葉轉換。

此函數透過快速傅立葉轉換 (FFT)，計算 M 維陣列中任意數量的軸之 N 維反離散傅立葉轉換。換句話說，在數值精確度範圍內，ifftn(fftn(x)) == x。

輸入與 ifft 類似，其排序方式應與 fftn 的回傳值相同，亦即，它在所有軸的低階角應具有零頻率項，在所有軸的前半部應具有正頻率項，在所有軸的中間應具有奈奎斯特頻率項，在所有軸的後半部應具有負頻率項，並依負頻率遞減順序排列。

參數:

xarray_like: 輸入陣列，可以是複數。
ssequence of ints, optional: 輸出的形狀（每個轉換軸的長度）（s[0] 指的是軸 0，s[1] 指的是軸 1，依此類推）。這對應於 ifft(x, n) 的 n。沿著任何軸，如果給定的形狀小於輸入的形狀，則會裁剪輸入。如果給定的形狀較大，則會以零填充輸入。如果未給定 s，則會使用由 axes 指定的軸的輸入形狀。請參閱關於 ifft 零填充問題的注意事項。
axessequence of ints, optional: 要計算 IFFT 的軸。如果未給定，則使用最後 len(s) 個軸，如果也未指定 s，則使用所有軸。
norm{“backward”, “ortho”, “forward”}, optional: 正規化模式（請參閱 fft）。預設值為 “backward”。
overwrite_xbool, optional: 如果為 True，則可以破壞 x 的內容；預設值為 False。有關更多詳細資訊，請參閱 fft。
workersint, optional: 用於平行計算的最大工作人員數量。如果為負數，則該值會從 os.cpu_count() 環繞。有關更多詳細資訊，請參閱 fft。
planobject, optional: 此引數保留用於傳入下游 FFT 供應商提供的預先計算的計畫。目前 SciPy 中未使用。

在 1.5.0 版本中新增。

回傳值:

outcomplex ndarray: 沿著由 axes 指示的軸，或由 s 或 x 的組合轉換的截斷或零填充輸入，如以上參數章節中所述。

引發:

ValueError: 如果 s 和 axes 的長度不同。
IndexError: 如果 axes 的元素大於 x 的軸數。

另請參閱

fftn: 正向 N 維 FFT，ifftn 是其反向。
ifft: 1 維反 FFT。
ifft2: 2 維反 FFT。
ifftshift: 還原 fftshift，將零頻率項移至陣列的開頭。

注意事項

與 ifft 類似，零填充是透過將零附加到沿指定維度的輸入來執行。雖然這是常見的方法，但可能會導致令人驚訝的結果。如果需要另一種形式的零填充，則必須在呼叫 ifftn 之前執行。

範例

>>> 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]])

建立並繪製具有頻寬限制頻率內容的影像

>>> 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()