Python Librosa 语谱图生成：调整图像大小至 (224, 224)

本文将介绍如何使用 Python 的 Librosa 库生成语谱图，并调整图像大小为 (224, 224)，这对于图像识别模型训练非常有用。

代码示例

# 设置数据集路径和语谱图保存路径
dataset_path = 'D:/论文代码/casia汉语情感语料库/'
spectrogram_path = 'D:/论文代码/语谱图/'

# 遍历数据集中各个子目录，对每个文件夹下的音频文件生成对应的语谱图
for subfolder in os.listdir(dataset_path):
    subfolder_path = os.path.join(dataset_path, subfolder)
    # 确保当前为子目录而不是文件
    if os.path.isdir(subfolder_path):
        for audio_file in os.listdir(subfolder_path):
            audio_path = os.path.join(subfolder_path, audio_file)
            # 判断是否为音频文件，目前仅支持.wav格式的音频
            if audio_file.endswith('.wav'):
                # 读取音频文件并进行短时傅里叶变换计算得到语谱图
                y, sr = librosa.load(audio_path, sr=None)
                D = librosa.amplitude_to_db(np.abs(librosa.stft(y)), ref=np.max)
                # 创建保存该语谱图的文件夹
                spectrogram_folder = os.path.join(spectrogram_path, subfolder)
                os.makedirs(spectrogram_folder, exist_ok=True)
                # 保存语谱图到对应的文件夹中
                spectrogram_path_full = os.path.join(spectrogram_folder, f'{os.path.splitext(audio_file)[0]}.png')
                plt.figure(figsize=(224/80, 224/80))
                librosa.display.specshow(D, y_axis='linear')
                plt.colorbar(format='%+2.0f dB')
                plt.savefig(spectrogram_path_full, bbox_inches='tight', pad_inches=0)
                plt.clf()
                plt.close('all')

关键代码解释

1. plt.figure(figsize=(224/80, 224/80)): 在生成语谱图前，使用 plt.figure 函数设置图像大小为 (224/80, 224/80)。
2. librosa.display.specshow(D, y_axis='linear'): 使用 librosa.display.specshow 函数绘制语谱图，并设置 y_axis='linear' 以便将频率轴设置为线性刻度。
3. plt.savefig(spectrogram_path_full, bbox_inches='tight', pad_inches=0): 使用 plt.savefig 函数保存语谱图，并设置 bbox_inches='tight' 和 pad_inches=0 以便去除多余的空白。

总结

本文介绍了如何使用 Python 的 Librosa 库生成语谱图，并调整图像大小为 (224, 224)，这对于图像识别模型训练非常有用。希望本教程对你有所帮助！