如何记录缩放 2D 矩阵/图像

Question

我有一个音频频谱图的 2D numpy 数组，我想将其保存为图像。

我正在使用librosa 库来获取光谱。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")

---

我有原始的频谱图（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 以了解它是如何扩展的，但无法弄清楚。

如何记录缩放图像/二维 numpy 数组的 y 轴？

---

Answer 1

Y 轴的实际对数变换由 matplotlib 完成。您可以通过 ax.set_yscale('linear') 与 ax.set_yscale('linear') 进行测试。因此，最简单的替代方法是调整 matplotlib 图形以删除刻度、边框等。这是其中的一个示例：https://stackoverflow.com/a/37810568/1967571

如果你想自己做对数缩放，步骤是

• 计算 Y 轴上的当前频率。使用librosa.fft_frequencies
• 在 Y 轴上计算所需的频率。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)