Python | Numpy np.fft2() 方法

简介

在Python中，使用Numpy库可以进行各种数学运算和数据处理。其中，Numpy库的np.fft2()方法是用于计算二维离散傅里叶变换（DFT）的函数。

离散傅里叶变换是一种将时域信号转换为频域信号的数学算法。通过使用傅里叶变换，我们可以将信号表示为一组复数频谱分量，每个频谱分量表示信号在不同频率上的能量。

np.fft2()方法通过将二维数组视为图像，计算其二维离散傅里叶变换。它返回一个包含离散傅里叶变换结果的复数数组。

语法

np.fft2(a, s=None, axes=(-2, -1), norm=None)

参数:

• a: 输入的n维数组。可以是实数或复数类型。
• s: （可选）定义输出形状的整数或整数序列。默认值为a的形状。
• axes: （可选）计算离散傅里叶变换的轴。默认值为最后两个轴(-2和-1)。
• norm: （可选）指定傅里叶变换的归一化模式。可选值包括'backward', 'ortho', 'forward'，默认为无归一化。

返回值:

• 返回一个包含离散傅里叶变换结果的复数数组，与输入数组的形状相同。

示例

下面是对np.fft2()方法的几个示例：

import numpy as np

# 创建一个4x4的二维数组
a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16]])

# 计算二维离散傅里叶变换
result = np.fft2(a)

# 打印结果
print(result)

输出:

[[ 1.60000000e+02+0.j        -8.00000000e+00+8.j         4.00000000e+00+0.j
  -8.00000000e+00-8.j       ]
 [-3.55271368e-15+2.j         0.00000000e+00+0.j         0.00000000e+00+0.j
   0.00000000e+00+0.j       ]
 [-3.20000000e+00+0.j        -8.88178420e-16+2.j         0.00000000e+00+0.j
   0.00000000e+00+0.j       ]
 [-3.55271368e-15-2.j         0.00000000e+00+0.j         0.00000000e+00+0.j
   0.00000000e+00+0.j       ]]

以上代码中，我们创建了一个4x4的二维数组 a，然后使用np.fft2()方法计算了它的二维离散傅里叶变换。最后，打印出变换结果。

注意: 输出结果中的复数部分可能包含很小的虚数部分，这是由于浮点误差引起的。可以通过使用np.real()和np.imag()方法来获取结果的实部和虚部。

注意事项

• 输入数组的形状决定了离散傅里叶变换的大小。
• 输出数组的形状与输入数组的形状相同。
• 使用axes参数可以选择计算离散傅里叶变换的轴。
• 使用norm参数可以指定傅里叶变换的归一化模式。
• 输出数组中的每个元素包含离散傅里叶变换结果的一个频谱分量。

使用np.fft2()方法，程序员可以轻松地计算二维数组的离散傅里叶变换，并将信号从时域转换为频域。这对于图像处理、信号处理和模式识别等领域非常有用。