15

在 Pylab 中，该specgram()函数为给定的幅度列表创建频谱图，并自动为频谱图创建一个窗口。

我想生成频谱图（瞬时功率由 给出Pxx），通过在其上运行边缘检测器对其进行修改，然后绘制结果。

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

问题是，每当我尝试Pxx使用imshowor绘制修改后的内容时，都会NonUniformImage遇到以下错误消息。

/opt/local/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/matplotlib/image.py:336：用户警告：非线性轴不支持图像。warnings.warn("非线性轴不支持图像。")

例如，我正在处理的部分代码如下。

    # 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')

实际问题

如何使用 matplotlib/pylab 绘制具有对数 y 轴的类图像数据？

4

2 回答 2

21

使用pcolor或pcolormesh。pcolormesh速度要快得多，但仅限于直线网格，因为 pcolor 可以处理任意形状的单元格。 specgram使用pcolormesh，如果我没记错的话。（它使用imshow。）

举个简单的例子：

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()

在此处输入图像描述

您看到的差异是由于绘制了specgram返回的“原始”值。实际绘制的是specgram缩放版本。

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()

在此处输入图像描述

请注意，当我们使用 绘制事物时pcolormesh，没有插值。（这是要点的一部分pcolormesh——它只是矢量矩形而不是图像。）

如果你想要对数规模的东西，你可以使用pcolormesh它：

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()

在此处输入图像描述

于 2013-04-12T02:17:27.467 回答
2

只是为了补充乔的答案......我的视觉输出specgram与pcolormesh困扰我的（因为嘈杂的壁虎也是）之间的差异很小。

事实证明，如果您传递从specgramto返回的频率和时间箱pcolormesh，它会将这些值视为使矩形居中而不是边缘的值。

稍微摆弄一下就能让他们更好地对齐（尽管仍然不是 100% 完美）。现在颜色也一样。

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.")

谱图_解释_v01

于 2017-05-08T11:02:30.997 回答