调用numpy.fft.fftn执行三维FFT时出现真值歧义报错如何修复

本人编程经验较浅，当前参与的项目需要使用numpy.fft.fftn实现互相关计算，大部分代码由Matlab代码移植而来，运行时出现报错。

def rot90_3D(T):
    T=numpy.flip(numpy.flip(numpy.flip(T,0),1),2);
    return(T)

T_size = [T.shape[0],T.shape[1],T.shape[2]]; I_size = [I.shape[0],I.shape[1],I.shape[2]];
TI=[]
for i in range(0,3,1):
    TI1=T_size[i]+I_size[i]
    TI=numpy.append(TI,TI1)
one=numpy.ones((1,3))
outsize = TI - one;
FT = numpy.fft.fftn(rot90_3D(T),outsize);

输入的T为shape=(51,51,51)的float32类型数组，元素取值均在0到1之间，多数为类似0.131866的小数。

运行后抛出如下错误：

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

完整错误追踪：

Traceback (most recent call last):

  File "C:\Users\Grant\OneDrive\Desktop\SearchParticle Test.py", line 53, in <module>
    FT = numpy.fft.fftn(T2,outsize);

  File "<__array_function__ internals>", line 5, in fftn

  File "C:\Users\Grant\anaconda3\lib\site-packages\numpy\fft\_pocketfft.py", line 813, in fftn
    return _raw_fftnd(a, s, axes, fft, norm)

  File "C:\Users\Grant\anaconda3\lib\site-packages\numpy\fft\_pocketfft.py", line 705, in _raw_fftnd
    a = function(a, n=s[ii], axis=axes[ii], norm=norm)

  File "<__array_function__ internals>", line 5, in fft

  File "C:\Users\Grant\anaconda3\lib\site-packages\numpy\fft\_pocketfft.py", line 214, in fft
    inv_norm = _get_forward_norm(n, norm)

  File "C:\Users\Grant\anaconda3\lib\site-packages\numpy\fft\_pocketfft.py", line 79, in _get_forward_norm
    if n < 1:

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

numpy.fft.fftn的第二个参数s要求传入一维整数序列，每个元素对应当前维度做FFT的长度。问题代码中one = numpy.ones((1,3))生成的是形状为(1,3)的二维数组，和一维的TI数组做广播减法后，得到的outsize是形状为(1,3)的二维数组。FFT内部遍历维度取长度时，拿到的是一个一维数组而非单个整数，在执行if n < 1的真值判断时，就触发了多元素数组无法直接判断布尔值的错误。

• 修正outsize的维度，保证其为一维整数序列，不要生成多余的二维ones数组做减法，直接通过数组运算得到正确尺寸。
• 简化冗余代码：三维翻转可以直接给numpy.flip传入多个轴参数一次完成，不需要嵌套三次flip；尺寸计算不需要写循环逐元素追加，直接用numpy数组的形状运算即可。

修复后的可运行代码：

import numpy

def rot90_3D(T):
    # 一次完成三个轴的翻转，和原三次嵌套flip效果完全一致
    return numpy.flip(T, axis=(0, 1, 2))

# 直接将shape转为numpy数组做运算，不需要循环逐元素计算
T_size = numpy.array(T.shape)
I_size = numpy.array(I.shape)
# 直接计算互相关需要的FFT尺寸，结果为一维长度3的整数数组
outsize = T_size + I_size - 1
# 显式指定s参数传入outsize，避免参数位置歧义
FT = numpy.fft.fftn(rot90_3D(T), s=outsize)

内容的提问来源于stack exchange，提问作者Grant