要应用IFFT你需要返回信号做复数，你需要使用幅度和相位信息来正确重建。

真正的部分是=magnitude * cos(phase)

虚部是=magnitude * sin(phase)

您可以使用 -1 ( ) 的平方根sqrt(-1)来获得虚数单位。

现在将虚部乘以虚部并与实部相加，现在您完成申请了IFFT！

最后，我应用 mat2gray 函数将矩阵转换为强度！

这里是如何在matlab中真正完成的：

x=imread('C:\Users\Eder\Pictures\download.jpg');
figure(1);imshow(x);
%Make FFT
y=fft(x);
%Amplitude of the FFT
mx=abs(y);
%get Phase Information
ma=angle(y);
%back the signal to complex
y2= mx .* ( cos(ma) + sqrt(-1) * sin(ma) );
%Apply Inverse FFT
x2=real(ifft(y2));
result=mat2gray(x2);
figure(2);imshow(result);

我知道这是一个老问题，但我有一个类似的问题，我想我会分享结果。

下面是一个典型的 fft 图像管道。需要注意的几点：

• 在处理图像时，使用ifft2()而不是ifft()执行 2D 变换。
• 频域图像通常被移动以将低频置于中心。用于ifftshift()扭转这一点。
• 只需要逆变换的实部。虚部应该接近于零。
• 频域图像的幅度通常以对数方式缩放以用于查看目的。如果您已经有了复杂的值，那么这可能不是问题。

DFT MATLAB 流水线：

%% Original Image
img = imread('lenna.png');
figure(1); imshow(img); % show image

%% Frequency Domain (FFT)
freqDomain = fft2(img);
% swap quadrants
shifted = fftshift(freqDomain);

%% Adjust scaling for viewing (not necessary)
% get magnitude
mag = abs(shifted);
% find the largest value
largest = max(mag(:));
% set the scale factor relative to the largest magnitude
c = (1.0 / log(1.0 + largest));
% scale magnitudes logarithmically
scaled = arrayfun(@(x) c * log(1.0 + x), mag);
% show scaled image
figure(2); imshow(scaled);

%% Spectral Domain (IFFT)
% swap quadrants back
shifted = ifftshift(shifted);
% get real part of ifft
specDouble = real(ifft2(shifted));
% convert result and show image
specDomain = uint8(specDouble);
figure(3); imshow(specDomain);

结果：

如果您缩放频率图像的大小并获得类似于左图像的东西，您可能需要使用ifftshift()它来使其看起来像右图像：

以下是使用传统 Lenna 图像的一些可能不正确的结果（和正确的结果）。频域如上所示。

• 顶部：原始图像
• 左中：ifft2()不ifftshift()先使用的结果
• 右中：结果使用ifft()而不是ifft2()
• 左下：ifft()没有ifftshift()第一个使用的结果
• 右下ifftshift()：使用then的正确结果ifft2()