如何对2D矩阵/图像进行对数缩放

Question

我有一个2D的numpy数组，其中包含音频的频谱图，我想将其保存为图片。

我正在使用librosa库获取频谱。我也可以使用librosa.display.specshow()函数绘制它。如下所示，有许多不同的缩放类型。

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，如下所示。

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

---

我有原始的频谱图（线性缩放），我想将其保存为y轴以对数比例尺度显示。我查看了库源代码，以便了解它是如何缩放的，但无法弄清楚。

如何将图像/ 2D numpy数组的y轴进行对数比例尺度缩放？

---

- enesdemirag

---

@Antimon 我不想改变这些值，我只是想对它们进行对数压缩。 - enesdemirag

没事了，我误解了你的问题。我现在明白了。但你需要告诉我们数字数据的格式是什么。频率和时间点是如何索引的？ - Antimon

Answer 1

实际上，Y轴的对数变换是由matplotlib完成的。您可以通过执行 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图以删除刻度、边框等。以下是一个示例：https://dev59.com/zFoU5IYBdhLWcg3wHERo#37810568 如果您想自己进行对数缩放，则需要按照以下步骤：

- 计算当前Y轴上的频率。使用librosa.fft_frequencies - 计算所需Y轴上的频率。使用numpy.logspace或类似工具 - 在所需的频率下对光谱图进行采样，例如使用scipy.interpolate（interp1d）

- Jon Nordby

---

感谢@jonnor。使用plt.axis("off")和plt.tight_layout(pad=0)，我保存了图片。这种方法解决了问题。 - enesdemirag