对一维数组用fft.fft与重塑为二维用fft.fft2的差异探究

核心差异本质 #

fft.fft是对一维序列执行全局离散傅里叶变换（DFT），而fft.fft2是对二维数组执行二维离散傅里叶变换——本质是先对数组的每个行（或列）做一维FFT，再对变换结果的每个列（或行）做一维FFT，二者的计算维度、逻辑完全不同。

结合示例具体分析 #

用你给出的代码示例拆解计算过程：

import numpy as np
from scipy.fft import fft, fft2

a = np.array([1, 2, 3, 4])
b = np.array([[1,2], [3, 4]])

a1 = fft(a)
b1 = fft2(b)

1. 一维FFT（fft.fft(a)）的计算

直接对一维序列[1,2,3,4]执行DFT，根据一维DFT公式计算结果为：

a1 = array([10. +0.j, -2. +2.j, -2. +0.j, -2. -2.j])

2. 二维FFT（fft.fft2(b)）的计算

分两步执行二维DFT：

• 第一步：对每一行做一维FFT
  行[1,2]的FFT结果：[3, -1]
  行[3,4]的FFT结果：[7, -1]
  得到中间矩阵：[[3, -1], [7, -1]]
• 第二步：对中间矩阵的每一列做一维FFT
  列[3,7]的FFT结果：[10, -4]
  列[-1,-1]的FFT结果：[-2, 0]
  最终结果：

b1 = array([[10. +0.j, -2. +0.j],
            [-4. +0.j,  0. +0.j]])

差异原因总结 #

• 计算维度不同：一维FFT仅在单个维度上完成全局变换；二维FFT是在两个维度上依次做局部+跨维度的变换。
• 数学定义不同：一维DFT是单变量的求和运算，二维DFT是对行、列两个变量的双重求和运算，公式逻辑存在本质区别。
• 频率分解逻辑不同：一维FFT提取的是整个序列的全局频率特征；二维FFT提取的是二维空间中行、列两个方向的联合频率特征，二者的输出结果不具备直接可比性。

内容的提问来源于stack exchange，提问作者Sil