为了节省计算时间，MatLab fft仅计算频谱的一半(如果采样数为奇数，则为正频率和零频率)。然后，将频谱的后半部分(即前半部分的复共轭)添加到该向量的末尾。
因此，在fft之后得到的是以下向量：

0 1 2 3 ... Fs/2   -Fs/2 ... -3 -2 -1
<----------------> <------------------>
  positive freq        negative freq

其中Fs是频率样本。
现在，fftshift所做的只是移动向量开始处的负频率段(频谱的第二部分)，这样你就可以显示一个很好的频谱，从-Fs/2到+Fs/2结束。平移后的向量变为：

-Fs/2 ... -3 -2 -1   0 1 2 3 ... Fs/2
<------------------> <---------------->
    negative freq      positive freq

因此，要回答您的问题，不需要在调用fft或ifft之前或之后使用fftshift。但是，如果您在向量上使用了fftshift，则应该通过应用ifftshift或fftshift来撤消它。(我认为这两种说法是等同的。)

如果您继续阅读关于fftshift的文档：“它对于可视化频谱中间具有零频率分量的傅里叶变换很有用。”
移位不是执行FFT所必需的，但它可以方便地可视化傅里叶变换。因此，是否使用fftshift取决于您是否希望可视化您的转换。

请注意，ifftshift与fftshift不同，因为它将负数移回正数。假设在fftshift之前在频域中有简单的3个面元单位脉冲

[0, exp(-jw1), exp(-(jw1-pi)=exp(-jw1+pi)];

fftshift提供

[exp(-jw1+pi)], 0, exp(-jw1)];

你可以看到相间的不连续。如果执行ifftshift，负频率将移回正数：

[0, exp(-jw1), exp(-jw1+pi)];

鉴于，fftshift再次提供：

[exp(-jw1), exp(-jw1+pi), 0];

可以看出，相位单调性是不同的，(又名，fftshift-ifftshift情况给出[减少，增加]和fftshift-fftshift情况给出[增加，减少])。

简单的答案是在调用FFT之前不需要调用fftshift。fftshift不影响快速傅里叶变换的计算。FftShift重新排列矩阵中的值。例如：

cameraman = imread('cameraman.tif');
fftshifted_cameraman = fftshift(cameraman);
subplot(1,2,1); imshow(cameraman); title('Cameraman');
subplot(1,2,2); imshow(fftshifted_cameraman); title('FFTShifted Cameraman');

鉴于你正在研究的这本书的书名，我假设你正在处理图像。然后，正确的方法是在调用[i]FFT之前和之后调用fftShift和ifftShift。
您的代码应该如下所示

spectrum = fftshift(fft2(ifftshift(myimage))

当应用逆傅立叶变换时，这是完全相同的

myimage = fftshift(ifft2(ifftshift(spectrum))

这取决于您要如何处理转换后的数据。如果在变换之前不执行fftShift，则FFT结果将每隔一个值乘以-1。如果您计划查看结果的大小或平方，这并不重要。但是，如果您计划比较相邻的光谱值，并且相位很重要，则需要在变换之前应用fftShift以避免交替符号。