如何有效地生成和连接频谱图答案

【问题标题】：How to generate and concatenate spectrograms efficiently如何有效地生成和连接频谱图
【发布时间】：2021-04-03 05:41:02
【问题描述】：

我正在研究与信号处理相关的问题。我有一个超过 2000 个 EEG 信号的数据集。每个 EEG 信号由一个 2D Numpy 数组 (19 x 30000) 表示。阵列的每一行都是信号的通道之一。我要做的是在这些单独的通道（行）上找到频谱图并将它们垂直连接起来。这是我目前写的代码。

raw = np.load('class_1_ar/'+filename)

images = []

for i in range(19):    
    print(i,end=" ")
    spec,freq,t,im = plt.specgram(raw[i],Fs=100,NFFT=100,noverlap=50)
    plt.axis('off')
    figure = plt.gcf()
    figure.set_size_inches(12, 1)

    figure.canvas.draw()
    img = np.array(figure.canvas.buffer_rgba())
    img = cv2.cvtColor(img, cv2.COLOR_RGBA2BGRA)

    b = figure.axes[0].get_window_extent()
    img = np.array(figure.canvas.buffer_rgba())
    img = img[int(b.y0):int(b.y1),int(b.x0):int(b.x1),:]
    img = cv2.cvtColor(img, cv2.COLOR_RGBA2BGRA)
    
    images.append(img)

base = cv2.vconcat(images)
cv2.imwrite('class_1_sp/'+filename[:-4]+'.png',base)


c -= 1
print(c)

这是我的输出：

但是，该过程需要花费太多时间来处理。前 200 个样本的处理耗时近 8 小时。

我的问题是，我该怎么做才能让它更快？

【问题讨论】：

您是否分析了您的代码以查看哪个部分花费的时间最多？看起来你绘制了一个频谱图，然后从屏幕上抓取图像？这似乎是一种相当迂回的做事方式......
假设每个 EEG 的生成相互独立，您可以使用 Python 多处理并行化您的代码。此外，正如 Cris Luengo 所指出的，可能有一种更快的方法将数字存储到 Numpy 数组中。此外，请注意 matplotlib 通常很慢。可能有更快的软件包可以做到这一点（请看一下 scipy）。
谢谢。并行化它起作用了。现在速度更快了

标签： performance opencv image-processing optimization spectrogram

【解决方案1】：

正如其他人所说，通过 matplotlib 的开销可能会减慢速度。最好用scipy.signal.spectrogram 计算（而不是绘制）频谱图。此函数直接将频谱图作为 2D numpy 数组返回，因此您无需将其从画布中取出。请注意，这确实意味着您必须自己将频谱图输出映射到像素强度。在此过程中，请注意 scipy.signal.spectrogram 将频谱图返回为功率，而不是分贝，因此您可能希望对结果执行 10*np.log10(Sxx)（另请参阅 scipy.signal.spectrogram compared to matplotlib.pyplot.specgram）。

撇开绘图不谈，计算频谱图的瓶颈操作是 FFT。不是使用 100 个样本的变换大小，而是 128 或 2 的某个其他幂更有效。对于scipy.signal.spectrogram，这是通过设置nfft=128 来完成的。请注意，您可以设置 nperseg=100 和 nfft=128 以便每个段仍使用 100 个样本，但在执行 FFT 之前将零填充到 128。另一种想法：如果 raw 是 64 位浮点数，则将其转换为 32 位可能会有所帮助：raw = np.load(...).astype(np.float32)。

【讨论】：