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

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

Я хотел бы сгенерировать спектрограмму (мгновенная мощность задается Pxx), модифицировать ее, запустив на ней детектор кромок, а затем нарисуйте результат.

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

Проблема заключается в том, что всякий раз, когда я пытаюсь построить модифицированный Pxx с помощью imshow или даже NonUniformImage, я запускаю сообщение об ошибке ниже.

/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.   warnings.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')

Актуальный вопрос

Как вы рисуете похожие на изображение данные с логарифмической осью y с помощью matplotlib/pylab?

Ответы

Ответ 1

Используйте pcolor или pcolormesh. pcolormesh намного быстрее, но ограничивается прямолинейными сетками, где pcolor может обрабатывать ячейки с произвольной формой. 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 "необработанных" значений, возвращаемых specgram. Фактические графики specgram - это масштабированная 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 при построении объектов с использованием pcolormesh нет интерполяции. (Эта часть точки pcolormesh - это просто векторные прямоугольники вместо изображения.)

Если вы хотите что-то в шкале журнала, вы можете использовать pcolormesh с ним:

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

Ответ 2

Просто чтобы добавить к Джо ответ... Я получал небольшие различия между визуальным результатом specgram по сравнению с pcolormesh (как и noisygecko), которые меня прослушивали.

Оказывается, что если вы передаете ячейки времени и времени, возвращаемые с specgram в pcolormesh, они рассматривают эти значения как значения, на которых центрировать прямоугольники, а не их края.

Немного возиться дает им лучше всего (хотя все же не на 100% отлично). Теперь цвета идентичны.

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