numpy.fft.ifftn#

fft.ifftn(a, s=None, axes=None, norm=None, out=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的 N 維離散傅立葉轉換之反轉換。換句話說，在數值精確度範圍內，ifftn(fftn(a)) == a。關於所使用定義和慣例的說明，請參閱 numpy.fft。

輸入應以與 ifft 類似的方式排序，即應在所有軸的低階角中具有零頻率項，在所有軸前半部中具有正頻率項，在所有軸中間具有奈奎斯特頻率項，並在所有軸後半部中具有負頻率項，依負頻率遞減排序。

參數:

aarray_like

輸入陣列，可以是複數。

s整數序列，選用

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。如果較大，則會用零填充輸入。

版本 2.0 中變更：如果為 -1，則會使用整個輸入（不進行填充/修剪）。

如果未給定 s，則使用輸入沿著由 axes 指定的軸的形狀。請參閱關於 ifft 零填充問題的注意事項。

版本 2.0 開始棄用：如果 s 不是 None，則 axes 也絕不能是 None。

版本 2.0 開始棄用：s 必須僅包含 int，而不能包含 None 值。None 值目前表示在對應的 1-D 轉換中使用 n 的預設值，但此行為已棄用。

axes整數序列，選用

要計算 IFFT 的軸。如果未給定，則使用最後 len(s) 個軸，如果 s 也未指定，則使用所有軸。axes 中重複的索引表示在該軸上多次執行反轉換。

版本 2.0 開始棄用：如果指定了 s，則也必須明確指定要轉換的對應 axes。

norm{“backward”, “ortho”, “forward”}，選用

正規化模式（請參閱 numpy.fft）。預設值為 “backward”。表示正向/反向轉換對中的哪個方向已縮放以及使用哪個正規化因子。

版本 1.20.0 中新增：新增了 “backward”、“forward” 值。

out複數 ndarray，選用

如果提供，結果將放置在此陣列中。它應具有適用於所有軸的適當形狀和 dtype（因此與傳入除微不足道的 s 之外的所有內容不相容）。

版本 2.0.0 中新增。

傳回:

out複數 ndarray: 截斷或零填充的輸入，沿著 axes 指示的軸轉換，或透過 s 或 a 的組合轉換，如上述參數章節中所述。

引發:

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

另請參閱

numpy.fft: 離散傅立葉轉換的整體檢視，包含所使用的定義和慣例。
fftn: 正向 n 維 FFT，ifftn 是其反轉換。
ifft: 一維反 FFT。
ifft2: 二維反 FFT。
ifftshift: 還原 fftshift，將零頻率項移至陣列開頭。

注意事項

關於所使用定義和慣例，請參閱 numpy.fft。

與 ifft 類似，零填充是透過在指定維度沿著輸入附加零來執行。雖然這是常見的做法，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 numpy as np
>>> a = np.eye(4)
>>> np.fft.ifftn(np.fft.fftn(a, 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
>>> n = np.zeros((200,200), dtype=complex)
>>> n[60:80, 20:40] = np.exp(1j*np.random.uniform(0, 2*np.pi, (20, 20)))
>>> im = np.fft.ifftn(n).real
>>> plt.imshow(im)
<matplotlib.image.AxesImage object at 0x...>
>>> plt.show()