Question

我有一个真正有价值的灰度3D图像，分辨率为行x cols x deps。我使用freq = numpy.fft.rfftn(myImage)

获取图像的dft

返回的数组freq是分辨率：rows x cols x deps / 2 + 1.我想重建freq，好像它是numpy.fft.fftn(myImage)的输出，也就是说，我想要freq的维度是行x cols x deps。

我知道实值dft的对应关系是X_（k1，k2，k3）= X * _（N1-k1，N2-k2，N3-k3）其中*是共轭转置。

我可以使用循环重建完整的freq数组，但这太慢了，但我无法通过数组切片找出正确的方法。

谢谢！

仅供参考，我需要完整的数组，因为我将元素明智地将它与另一个全尺寸行x cols x deps数组相乘，我不能假设数组有任何结构（如对称性），这对我来说是不必要的重建完整的频率数组。

Answer 1

我明白了！

import numpy as np
import time

rows = 181
cols = 217
deps = 181

jac_k = np.random.rand(rows, cols, deps)*5

prev = time.time()
fft1 = np.fft.fftn(jac_k)
print time.time() - prev

prev = time.time()
fft2 = np.fft.rfftn(jac_k)

if deps%2 == 0:
    fft2Star = np.conj(fft2[:, :, -2:0:-1])
else:
    fft2Star = np.conj(fft2[:, :, -1:0:-1])

fft2Star[1::, :, :] = fft2Star[:0:-1, :, :]
fft2Star[:, 1::, :] = fft2Star[:, :0:-1, :]

fft2 = np.concatenate( (fft2, fft2Star), axis=2)
print time.time() - prev

print np.linalg.norm(fft1 - fft2)

numpy.fft.rfftn之后的全频阵列重建

1 个答案: