我的问题是信号处理和python之间的边界。
我有一个Nx/2 + 1和Ny/2 + 1正空间频率点上构建的二维功率谱密度函数（PSDF），叠加了随机相位（随机数是从均匀分布中得出的）。我想采用其2d逆傅立叶变换（在python numpy numpy.fft.iff2()中）来检索其(Nx,Ny))自相关函数。为此，我必须构造复杂PSDF的2d对称性或镜像。
在这里，我的问题来了，我该如何构造镜子？我在1d fft案例中发现了类似的问题，这很简单。事实证明，在2d fft2中，镜子具有不同的顺序；
第一象限[1:Nx/2+1,1:Ny/2+1]是第四象限[(Nx/2+2):Nx,(Ny/2+2):Ny]的复共轭镜像，第二象限[1:(Nx/2 +1),(Ny/2+1):Ny]是第三象限[(Nx/2+2):Nx,1:(Ny/2+1)]的复共轭镜像（切片的惯例在不同的语言之间可能会有所不同，并且如果Nx和Ny是偶数还是奇数，则请注意这一点。
鉴于第一象限和第三象限不是彼此的镜像（与第二象限和第四象限相同），是否意味着您无法使用第一个(Nx,Ny) PSDF来重建完整的(Nx/2+1,Ny/2+1)自相关函数价值观？
这里有我想念的东西吗？
下面是使用numpy.fft.fft2d进行显示的示例python代码：
import numpy as np
x1 = np.arange(6)*1e-5
y1 = np.arange(6)*0.25
z = np.zeros( (len(x1),len(y1)) )
z = (x1[:,np.newaxis] + 2* y1[np.newaxis,:]) + 3
z_fft = np.fft.fft2(z)
np.set_printoptions(precision=3)
print(z_fft)
屏幕输出如下：
[[ 1.530e+02 +0.000e+00j -9.000e+00 +1.559e+01j -9.000e+00 +5.196e+00j -9.000e+00 +0.000e+00j -9.000e+00 -5.196e+00j -9.000e+00 -1.559e+01j]
[ -1.800e-04 +3.118e-04j -7.692e-16 -2.546e-15j 1.392e-15 -8.802e-16j -1.776e-15 +0.000e+00j 2.161e-15 -6.582e-16j 7.692e-16 +1.007e-15j]
[ -1.800e-04 +1.039e-04j -3.251e-16 +1.776e-15j -1.717e-15 +1.110e-16j 1.776e-15 +0.000e+00j -9.477e-16 -1.110e-16j 1.213e-15 -1.776e-15j]
[ -1.800e-04 +0.000e+00j -8.882e-16 +0.000e+00j 8.882e-16 +8.882e-16j -1.776e-15 +0.000e+00j 8.882e-16 -8.882e-16j -8.882e-16 -0.000e+00j]
[ -1.800e-04 -1.039e-04j 1.213e-15 +1.776e-15j -9.477e-16 +1.110e-16j 1.776e-15 +0.000e+00j -1.717e-15 -1.110e-16j -3.251e-16 -1.776e-15j]
[ -1.800e-04 -3.118e-04j 7.692e-16 -1.007e-15j 2.161e-15 +6.582e-16j -1.776e-15 +0.000e+00j 1.392e-15 +8.802e-16j -7.692e-16 +2.546e-15j]]