不，你没有，但没关系，它可以是非常混乱的。
首先fft和ifft要求原点在向量的开头（或者在2D情况下，在数组的左上角）。输入psi的原点是否像KX一样居中？如果是这样，它的原点必须移动到ifftshift的开头。（如果没有，那就别管它了。
第二：由于KX和KY的原点在它们的中心，所以你必须取消它们的移位：您需要spfft.ifftshift(np.exp(-(KX**2 + KY**2))（注意i）。
最后：输出psi因此将在开始时具有其原点。如果你想让它的原点像KX一样居中，fftshift它。
总结如下：

inputOriginStart = # ...
inputOriginStartFFT = spfft.fft2(psiOriginStart)
filterOriginStartFFT = spfft.ifftshift(np.exp(-(KX**2 + KY**2)))
outputOriginStart = spfft.ifft2(filterOriginStartFFT * inputOriginStartFFT)

其中inputOriginStart是输入psi，假设它的原点在开始处，其中outputOriginStart是输出psi-为清楚起见重新命名。（我总是追求清晰。如果它不起作用，你可以更容易地找出它。）

编辑修复了提问者指出的错误-是的，我有一个错误，在开始时留下了psiOriginStart的原点;则ifftshift是KX和KY的中心原点函数。（如果你想取消将outputOriginStart的原点移到中心，那么使用fftshift。）
编辑2将过滤器（KX和KY的函数）与数据分开，以使正确的括号显而易见。

如何保持这些直线？有几个技巧要记住：

• fft和ifft总是需要输入并给予其起源在开始处的输出。这应该很容易从经验中记住。
• fftshift获取fft需要/生成的起始原点，并将原点移到中心。同样，我倾向于很容易记住这一点，因为输入fftshift(fft(...))一千次的肌肉记忆。
• 最后，唯一剩下的事情就是推导出ifftshift是fftshift的逆：它采用中心原点向量/数组，并将原点移到起点。

对信号或频谱进行移位的需要由DFT/IDFT施加的约束引起。这些函数在其输入中具有对参考的期望，样本对应于时间t=0（对于DFT）和频率f=0（对于IDFT）。这两个函数也使用相同的约定输出结果。在介绍移位/逆移位函数之前，让我们先介绍一下DFT/IDFT的预期。

DFT约束

• 周期性约束 *

假设输入序列是信号的完整周期，并且可以并置以创建周期信号，例如100个样本：

该信号的任何100个样本部分可以用于进行DFT。以上面的洋红标记开始的部分为例：

DFT幅度不改变，但在相位中考虑时间差（最后一行）。对于DFT，信号中的延迟导致对应的频谱乘以复指数exp（j.2 π f0.t）。由于幅度为1，因此乘积仅将2 π f0与频谱系数角相加，因此是相位差。

• 排序约束 *

这意味着DFT评估延迟：它假设第一个样本用于t=0，并计算相对于它的相位。DFT的输出本身是周期性的，周期为N，N是一个周期中的样本数：

(Only这里示出了幅度，但是相位具有相同的周期性。）

IDFT约束

像以前一样，我们可以取前一序列的任何100个样本部分并进行IDFT：

IDFT具有与DFT相同的输入约束：假设输入频谱是周期性的，第一个样本是针对f=0（DC）的。频谱中的任何频移对应于信号乘以幅度为1的复指数。对于DFT，这仅改变输出的相位。

靠近水平刻度

对应于样本k（k在0和N-1之间）的时间是t=k/N.Ts，Ts是采样周期，并且频率样本k对应于频率k/N.Fs，fs是采样频率。
因此，在DFT的输出中不存在负频率，并且在IDFT的输入中不期望负频率。
然而，由于DFT和IDFT的固有周期性，我们被允许将频谱从范围0到fs转换到范围-1/2fs到+1/2fs。现在我们有一个频谱，其中一半的频率是负的，但仍然位于序列中的正频率之后。
函数fftfreq可用于创建具有正频率和负频率的刻度。该函数与DFT/IDFT没有直接联系，它只是一个帮助器，知道如何确定所需的频率值。
由于周期性N. Ts，时间范围可以以相同的方式从0到Ts移位到-1/2Ts到+1/2Ts。

使用fftshift和ifftshift

现在让我们来回答你关于移位的问题。
带有半正和半负索引的比例便于绘制对称视图。但是有一个小问题，负指数放在0和正指数之后。
fftshift和ifftshift可用于对元素重新排序：fftshift准备用于绘图目的的序列，ifftshift恢复DFT/IDFT使用/预期的原生顺序，并在第一部分中进行了描述。注意，这些函数除了重新排序元素之外不执行其他动作，它们与FT没有直接关系，尽管它们的名称包含'fft'，并且前缀'i'与IDFT没有联系。
该重新排序操作可以被视为序列内的旋转，或者被视为沿着周期性序列（信号或频谱）的线性移位。
人们可能会感到惊讶，有两个功能可以做同样的改变。具有偶数长度的序列具有相同数量的正（包括DC/0）和“负”频率。对于奇数长度序列，存在一个额外的负频率。两个“一半”的长度不一样，这一点必须考虑在内。因此，fftshift可以通过以下方式管理大小：

for k in axes:
    n = tmp.shape[k]
    p2 = (n+1)//2
    mylist = concatenate((arange(p2, n), arange(p2)))
    y = take(y, mylist, k)
return

注意负半部分的位置是如何计算的：p2 = (n+1)//2。和ifftshift是相同的，除了它使用以下位置：p2 = n-(n+1)//2。
由于只有用户知道序列是否已经被交换，因此他/她负责使用适当的功能。
底线是：通常不需要移动或取消移动序列。DFT和IDFT期望并输出具有索引0的序列作为第一样本。一种可能的情况是当序列被创建为居中，并且必须由DFT/IDFT处理时。在用作输入之前，必须使用ifftshift进行未移位。
为了对称显示的目的，可能需要移位（fftshift）以使样本居中为0，DC频率或时间t=0。如果移位后的序列必须在DFT/IDFT函数中重用，则可以恢复原始顺序（ifftshift）。仔细跟踪序列当前是否被移位，因为这决定了要使用哪个函数。