如何记录缩放二维矩阵/图像

Question

我有一个音频频谱图的 2D numpy 数组，我想将它保存为图像。

我正在使用 librosa 库来获取频谱。我还可以使用 librosa.display.specshow() 函数绘制它。如下所示，有多种不同的缩放类型。

import PIL
import librosa
import librosa.display

def display_spectrogram(spectrum, sampling_rate):
    """
    Frequency types:
    ‘linear’, ‘fft’, ‘hz’ : frequency range is determined by the FFT window and sampling rate.
    ‘log’ : the spectrum is displayed on a log scale.
    ‘mel’ : frequencies are determined by the mel scale.
    ‘cqt_hz’ : frequencies are determined by the CQT scale.
    ‘cqt_note’ : pitches are determined by the CQT scale.
    """

    librosa.display.specshow(spectrum, sr=sampling_rate, x_axis='time', y_axis='log')
    plt.colorbar(format='%+2.0f dB')
    plt.title('Spectrogram')
    plt.show()

我还可以将频谱图（一个 numpy 数组）转换为图像并保存如下。

img = PIL.Image.fromarray(spectrum)
img.save("out.png")

我有原始频谱图（线性缩放），我想用对数刻度的 y 轴保存它。我查看了 library's source code 以了解它是如何缩放的，但无法弄清楚。

如何记录缩放图像/2D numpy 数组的 y 轴？

Answer 1

Y 轴的实际对数变换是由 matplotlib 完成的。您可以通过 ax.set_yscale('linear') 对比 ax.set_yscale('linear') 来测试这一点。因此，最简单的替代方法是调整 matplotlib 图以删除刻度、边框等。这是一个例子：

如果您想自己进行对数缩放，步骤如下

计算Y轴上的当前频率。使用 librosa.fft_frequencies
计算 Y 轴上所需的频率。使用 numpy.logspace 或类似的
以所需频率对频谱图进行采样，例如使用 scipy.interpolate (interp1d)

如何记录缩放二维矩阵/图像

How to log scale a 2D Matrix / Image

python

numpy

spectrogram

python-imaging-library

librosa