Как построить спектрограмму так же, как это делает specgram() pylab?

в Pylab, в specgram() функция создает спектрограмму для заданного списка амплитуд и автоматически создает окно для спектрограммы.

Я хотел бы сгенерировать спектрограмму (мгновенная мощность задается Pxx), измените его, запустив на нем детектор края, а затем постройте результат.

(Pxx, freqs, bins, im) = pylab.specgram( self.data, Fs=self.rate, ...... )

проблема в том, что всякий раз, когда я пытаюсь сюжет изменен Pxx используя imshow или даже NonUniformImage, я сталкиваюсь с сообщением об ошибке под.

/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/matplotlib/image.py:336: UserWarning: изображения не поддерживаются на нелинейных осях. предупреждение.warn ("изображения не поддерживаются на нелинейных осях.")

например, часть кода, над которым я работаю, находится ниже.

    # how many instantaneous spectra did we calculate
    (numBins, numSpectra) = Pxx.shape

    # how many seconds in entire audio recording
    numSeconds = float(self.data.size) / self.rate


    ax = fig.add_subplot(212)
    im = NonUniformImage(ax, interpolation='bilinear')

    x = np.arange(0, numSpectra)
    y = np.arange(0, numBins)
    z = Pxx
    im.set_data(x, y, z)
    ax.images.append(im) 
    ax.set_xlim(0, numSpectra)
    ax.set_ylim(0, numBins)
    ax.set_yscale('symlog') # see http://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes.set_yscale
    ax.set_title('Spectrogram 2')

Вопрос

как вы строите данные, подобные изображениям, с логарифмической осью y с библиотек matplotlib/pylab?

11
audio matplotlib python spectrogram

2 ответов

использовать pcolor или pcolormesh. pcolormesh намного быстрее, но ограничивается прямолинейными сетками, где как pcolor может обрабатывать произвольные фигурные ячейки. specgram использует pcolormesh, если я правильно помню. (он использует imshow.)

в качестве быстрого примера:

import numpy as np
import matplotlib.pyplot as plt

z = np.random.random((11,11))
x, y = np.mgrid[:11, :11]

fig, ax = plt.subplots()
ax.set_yscale('symlog')
ax.pcolormesh(x, y, z)
plt.show()

enter image description here

различия, которые вы видите, связаны с построением "сырых" значений, которые specgram возвращает. Что?!--6--> на самом деле участки расширенных версия.

import matplotlib.pyplot as plt
import numpy as np

x = np.cumsum(np.random.random(1000) - 0.5)

fig, (ax1, ax2) = plt.subplots(nrows=2)
data, freqs, bins, im = ax1.specgram(x)
ax1.axis('tight')

# "specgram" actually plots 10 * log10(data)...
ax2.pcolormesh(bins, freqs, 10 * np.log10(data))
ax2.axis('tight')

plt.show()

enter image description here

обратите внимание, что когда мы строим вещи с помощью pcolormesh, нет интерполяции. (Это часть смысла pcolormesh--это просто векторные прямоугольники вместо изображения.)

если вы хотите, чтобы вещи в масштабе журнала, вы можете использовать pcolormesh С

import matplotlib.pyplot as plt
import numpy as np

x = np.cumsum(np.random.random(1000) - 0.5)

fig, (ax1, ax2) = plt.subplots(nrows=2)
data, freqs, bins, im = ax1.specgram(x)
ax1.axis('tight')

# We need to explictly set the linear threshold in this case...
# Ideally you should calculate this from your bin size...
ax2.set_yscale('symlog', linthreshy=0.01)

ax2.pcolormesh(bins, freqs, 10 * np.log10(data))
ax2.axis('tight')

plt.show()

enter image description here

18

просто чтобы добавить к ответу Джо... Я получал небольшие различия между визуальным выходом specgram по сравнению с pcolormesh (как и noisygecko), которые меня беспокоили.

оказывается, что если вы передадите частоту и время бункеров, возвращенных из specgram to pcolormesh, он рассматривает эти значения как значения, на которых нужно центрировать прямоугольники, а не их края.

немного скрипки заставляет их allign лучше (хотя все еще не 100% идеально). Цвета теперь идентичны также.

x = np.cumsum(np.random.random(1024) - 0.2)
overlap_frac = 0
plt.subplot(3,1,1)
data, freqs, bins, im = pylab.specgram(x, NFFT=128, Fs=44100, noverlap = 128*overlap_frac, cmap='plasma')
plt.title("specgram plot")

plt.subplot(3,1,2)
plt.pcolormesh(bins, freqs, 20 * np.log10(data), cmap='plasma')
plt.title("pcolormesh no adj.")

# bins actually returns middle value of each chunk
# so need to add an extra element at zero, and then add first to all
bins = bins+(bins[0]*(1-overlap_frac))
bins = np.concatenate((np.zeros(1),bins))
max_freq = freqs.max()
diff = (max_freq/freqs.shape[0]) - (max_freq/(freqs.shape[0]-1))
temp_vec = np.arange(freqs.shape[0])
freqs = freqs+(temp_vec*diff)
freqs = np.concatenate((freqs,np.ones(1)*max_freq))

plt.subplot(3,1,3)
plt.pcolormesh(bins, freqs, 20 * np.log10(data), cmap='plasma')
plt.title("pcolormesh post adj.")

spectrogram_explain_v01

0