Python numpy：在二维速度场上执行截止频谱滤波器，想要反转到更粗糙的网格

我试图获取一个速度场，应用一个光谱截止滤波器，然后将结果绘制在一个网格上，匹配滤波器的粗糙度。这就是我所处的位置：

nx = 200
dx = 10.0
filterx = 100.0
px = np.arange(0,nx*dx,dx)

ratio = dx / filterx
nnx = int(nx*ratio)

raw = np.zeros((nx,nx))
raw2 = np.zeros((nx,nx))
for i in range(np.shape(raw)[0]):
    for j in range(np.shape(raw)[1]):
        raw[i,j] += 1.0*np.cos(i/dx/2.0*3.14) + 1.0*np.cos(j/dx/2.0*3.14)
        raw[i,j] += 2.0*np.cos(i*dx*50.0*3.14) + 2.0*np.cos(j*dx*50.0*3.14)
        raw2[i,j] = 1.0*np.cos(i/dx/2.0*3.14) + 1.0*np.cos(j/dx/2.0*3.14)

plt.figure(figsize=(10,8))

plt.subplot(331)
plt.pcolor(px/dx,px/dx,raw)
plt.title("raw signal")
plt.xlabel('x')
plt.ylabel('x')
plt.colorbar()

plt.subplot(332)
plt.pcolor(px/dx,px/dx,raw2)
plt.title("raw coarse signal")
plt.xlabel('x')
plt.ylabel('x')
plt.colorbar()

trn = (np.fft.fft2(raw))
k = (np.fft.fftfreq(nx,dx)) * dx*nx

for i in range(nx):
    for j in range(nx):
        if abs(nx*dx/np.float64(k[i])) < 2.0*filterx or abs(nx*dx/np.float64(k[j])) < 2.0*filterx:
            trn[i,j] = 0

itrn = np.fft.ifft2(trn)

plt.subplot(333)
plt.pcolor(px/dx,px/dx,itrn)
plt.xlabel('x')
plt.ylabel('x')
plt.colorbar()
plt.title("fine")

plt.subplot(334)
plt.pcolor(px[::int(1.0/ratio)]/dx,px[::int(1.0/ratio)]/dx,itrn[::int(1.0/ratio),::int(1.0/ratio)])
plt.xlabel('x')
plt.ylabel('x')
plt.colorbar()
plt.title("fine sampled")

itrns = np.fft.ifft2(trn,s=(nnx,nnx))

plt.subplot(335)
plt.pcolor(px[::int(1.0/ratio)]/dx,px[::int(1.0/ratio)]/dx,itrns)
plt.xlabel('x')
plt.ylabel('x')
plt.colorbar()
plt.title("itrns")

nx=200
dx=10.0
过滤器x=100.0
px=np.arange（0，nx*dx，dx）
比率=dx/filterx
nnx=int（nx*比率）
原始=np.零（（nx，nx））
raw2=np.零（（nx，nx））
对于范围内的i（np.形状（原始）[0]）：
对于范围内的j（np.形状（原始）[1]）：
原始[i，j]+=1.0*np.cos（i/dx/2.0*3.14）+1.0*np.cos（j/dx/2.0*3.14）
原始[i，j]+=2.0*np.cos（i*dx*50.0*3.14）+2.0*np.cos（j*dx*50.0*3.14）
raw2[i，j]=1.0*np.cos（i/dx/2.0*3.14）+1.0*np.cos（j/dx/2.0*3.14）
plt.图（figsize=（10,8））
小地块（331）
plt.pcolor（px/dx，px/dx，原始）
产品名称（“原始信号”）
plt.xlabel（'x'）
plt.ylabel（'x'）
plt.colorbar（）
plt.子地块（332）
plt.pcolor（px/dx、px/dx、raw2）
plt.title（“原始粗信号”）
plt.xlabel（'x'）
plt.ylabel（'x'）
plt.colorbar（）
trn=（np.fft.fft2（原始））
k=（np.fft.fftfreq（nx，dx））*dx*nx
对于范围内的i（nx）：
对于范围内的j（nx）：
如果abs（nx*dx/np.float64（k[i]）小于2.0*filterx或abs（nx*dx/np.float64（k[j]）小于2.0*filterx：
trn[i，j]=0
itrn=np.fft.ifft2（trn）
小地块（333）
plt.pcolor（px/dx，px/dx，itrn）
plt.xlabel（'x'）
plt.ylabel（'x'）
plt.colorbar（）
项目名称（“罚款”）
plt.子地块（334）
plt.pcolor（px[：：int（1.0/比率）]/dx，px[：：int（1.0/比率）]/dx，itrn[：：int（1.0/比率），：：int（1.0/比率）]）
plt.xlabel（'x'）
plt.ylabel（'x'）
plt.colorbar（）
产品名称（“精样”）
itrns=np.fft.ifft2（trn，s=（nnx，nnx））
小地块（335）
plt.pcolor（px[：：int（1.0/比率）]/dx，px[：：int（1.0/比率）]/dx，itrns）
plt.xlabel（'x'）
plt.ylabel（'x'）
plt.colorbar（）
产品名称（“itrns”）

这就产生了。让我在这里停下来，明确地说，我一点也不担心我的过滤器粗糙

过滤器工作得很好，我可以将字段绘制回其原始网格，没有问题（“很好”）。我可以对“精细”字段进行采样，并将其绘制在粗糙的网格上（“精细采样”），但这是欺骗。我想以某种方式告诉逆变换，我想去掉小尺度。

ifft2（）

函数似乎有这个选项，它几乎可以正常工作（“itrns”；很抱歉上面的名字），但大小相差太远了

关闭的程度会根据过滤器的大小而急剧变化。我是否可以使用一些缩放来解决这个问题