python对wav音频可视化

---

前言

本文主要是使用代码实现音频文件（wav）的多种可视化。
1.信号
2.傅里叶变换
3.Mel（梅尔）谱图
4.log_Mel谱图

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、导入包以及音频文件

为了便于展示，我将信号和傅里叶变换使用plt组合在一起进行展示。

import matplotlib.pyplot as plt
import librosa
import librosa.display
import numpy as np
import sys


# 读取音频wav文件
audio_path = r"D:\PycharmProjects\testwav\test01.wav"
y, sr = librosa.load(audio_path, sr=None, mono=True)
"""
:param
    path	音频路径
    sr	采样率（默认22050，但是有重采样的功能）
    mono	设置为true是单通道，否则是双通道
    offset	音频读取的时间
    duration	获取音频的时长

:returns
    y : 音频的信号值，类型是ndarray
    sr : 采样率
"""
###############################################################################

结果展示：

二、信号+傅里叶变换

为了便于展示，我将信号和傅里叶变换使用plt组合在一起进行展示。

import matplotlib.pyplot as plt
import librosa
import librosa.display
import numpy as np
import sys


# 读取音频wav文件
audio_path = r"D:\PycharmProjects\testwav\test01.wav"
y, sr = librosa.load(audio_path, sr=None, mono=True)
"""
:param
    path	音频路径
    sr	采样率（默认22050，但是有重采样的功能）
    mono	设置为true是单通道，否则是双通道
    offset	音频读取的时间
    duration	获取音频的时长

:returns
    y : 音频的信号值，类型是ndarray
    sr : 采样率
"""
###############################################################################

###############################################################################
# plt画图
f, ((ax11, ax12)) = plt.subplots(1, 2, sharex=False, sharey=False)
###################################################################
# 01 左，信号
ax11.set_title('Signal')
ax11.set_xlabel('Time (samples)')
ax11.set_ylabel('Amplitude')
ax11.plot(y)
###################################################################
# 02 右，傅里叶变换
n_fft = 2048
ft = np.abs(librosa.stft(y[:n_fft], hop_length=n_fft+1))
ax12.set_title('Spectrum')
ax12.set_xlabel('Frequency Bin')
# ax12.set_ylabel('Amplitude')
ax12.plot(ft)
################################################################################

plt.show()

结果展示：

---

三、Mel谱图

代码如下（示例）：

import matplotlib.pyplot as plt
import librosa
import librosa.display
import numpy as np
import sys


# 读取音频wav文件
audio_path = r"D:\PycharmProjects\testwav\test01.wav"
y, sr = librosa.load(audio_path, sr=None, mono=True)
"""
:param
    path	音频路径
    sr	采样率（默认22050，但是有重采样的功能）
    mono	设置为true是单通道，否则是双通道
    offset	音频读取的时间
    duration	获取音频的时长

:returns
    y : 音频的信号值，类型是ndarray
    sr : 采样率
"""
###############################################################################

################################################################################
# 03 使用librosa获取mel谱图
n_mels = 64
n_frames = 5
n_fft = 1024
hop_length = 512
power = 2.0

mel_spectrogram = librosa.feature.melspectrogram(y=y,
                                                 sr=sr,
                                                 n_fft=n_fft,
                                                 hop_length=hop_length,
                                                 n_mels=n_mels,
                                                 power=power)
librosa.display.specshow(librosa.power_to_db(mel_spectrogram, ref=np.max),
                         y_axis='mel', fmax=8000, x_axis='time')
plt.colorbar(format='%+2.0f dB')
##################################################################################

plt.show()

结果展示：

---

四、Log_Mel谱图

代码如下（示例）：

import matplotlib.pyplot as plt
import librosa
import librosa.display
import numpy as np
import sys


# 读取音频wav文件
audio_path = r"D:\PycharmProjects\testwav\test01.wav"
y, sr = librosa.load(audio_path, sr=None, mono=True)
"""
:param
    path	音频路径
    sr	采样率（默认22050，但是有重采样的功能）
    mono	设置为true是单通道，否则是双通道
    offset	音频读取的时间
    duration	获取音频的时长

:returns
    y : 音频的信号值，类型是ndarray
    sr : 采样率
"""
###############################################################################

################################################################################
# 03 使用librosa获取mel谱图
n_mels = 64
n_frames = 5
n_fft = 1024
hop_length = 512
power = 2.0

mel_spectrogram = librosa.feature.melspectrogram(y=y,
                                                 sr=sr,
                                                 n_fft=n_fft,
                                                 hop_length=hop_length,
                                                 n_mels=n_mels,
                                                 power=power)

# librosa.display.specshow(librosa.power_to_db(mel_spectrogram, ref=np.max),
#                          y_axis='mel', fmax=8000, x_axis='time')
# plt.colorbar(format='%+2.0f dB')
##################################################################################

# 04 将mel谱图转换为log mel谱图
log_mel_spectrogram = 20.0 / power * np.log10(np.maximum(mel_spectrogram, sys.float_info.epsilon))
librosa.display.specshow(librosa.power_to_db(log_mel_spectrogram, ref=np.max),
                         y_axis='mel', fmax=8000, x_axis='time')
# plt.colorbar(format='%+2.0f dB')
##################################################################################

plt.show()

结果展示：

---

总结

本文主要是将wav文件进行可视化，并没有对原理进行说明。