numpy.fft.ifftn¶

numpy.fft.ifftn(a, s=None, axes=None, norm=None)[source]¶

计算N维离散傅里叶逆变换。

该函数通过快速傅立叶变换（FFT）计算M维数组中任何数量的轴上的N维离散傅里叶变换的逆。换句话说，在数值精度内的ifftn（fftn（a）） == a有关所使用的定义和约定的说明，请参见numpy.fft。

类似于ifft的输入应按照与fftn相同的方式进行排序，即，它应该具有低频的所有轴中的零频率项，所有轴的前半部分中的正频率项，所有轴的中间的尼奎斯特频率的项和所有轴的后半部分中的负频率项，以负频率的减小的顺序。

参数：	a：array_like 输入数组，可以复杂。 s：ints序列，可选输出（`s[0]`指代轴0，`s[1]`到轴1等）的形状（每个变换轴的长度）。这对于`ifft（x， n）`对应于`n`。沿任何轴，如果给定的形状小于输入的形状，则输入被裁剪。如果它较大，输入将用零填充。如果未给出s，则使用沿轴指定的轴的输入形状。请参阅`ifft`零填充上的问题说明。 axes：ints序列，可选计算IFFT的轴。如果未给出，则使用最后的`len(s)`轴，如果s也未指定，则使用所有轴。轴中的重复索引表示该轴上的逆变换执行多次。 norm：{None，“ortho”}，可选版本1.10.0中的新功能。规范化模式（参见`numpy.fft`）。默认值为None。
返回：	out：complex ndarray 沿着轴指示的轴变化的截断或补零输入，或者通过s或a的组合变换，如参数部分。
上升：	ValueError 如果s和轴具有不同的长度。 IndexError 如果axes的元素大于a的轴数。

参数：

a：array_like

输入数组，可以复杂。

s：ints序列，可选

输出（s[0]指代轴0，s[1]到轴1等）的形状（每个变换轴的长度）。这对于ifft（x， n）对应于n。沿任何轴，如果给定的形状小于输入的形状，则输入被裁剪。如果它较大，输入将用零填充。如果未给出s，则使用沿轴指定的轴的输入形状。请参阅ifft零填充上的问题说明。

axes：ints序列，可选

计算IFFT的轴。如果未给出，则使用最后的len(s)轴，如果s也未指定，则使用所有轴。轴中的重复索引表示该轴上的逆变换执行多次。

norm：{None，“ortho”}，可选

版本1.10.0中的新功能。

规范化模式（参见numpy.fft）。默认值为None。

out：complex ndarray

沿着轴指示的轴变化的截断或补零输入，或者通过s或a的组合变换，如参数部分。

上升：

ValueError

如果s和轴具有不同的长度。

IndexError

如果axes的元素大于a的轴数。

也可以看看

numpy.fft: 离散傅立叶变换的总体视图，使用定义和约定。
fftn: 前向n维FFT，其中ifftn是反向的。
ifft: 一维逆FFT。
ifft2: 二维逆FFT。
ifftshift: 撤消fftshift，将零频率项移动到数组的开头。

笔记

有关所使用的定义和约定，请参见numpy.fft。

与ifft类似，通过向指定维度的输入附加零来执行填零。虽然这是常见的方法，但可能会导致令人惊讶的结果。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

>>> 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],
       [ 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]])

创建并绘制带限频率内容的图像：

>>> 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()

（源代码，png，pdf）