Python中如何实现实时FFT绘图并定位、绘制及输出峰值？

问题描述 #

首次使用pyaudio和matplotlib库实现麦克风输入的实时音频频域绘图，按指定间距输出峰值。程序运行无报错、帧率正常，关闭窗口可终止，但存在旧峰值标记叠加显示的问题；尝试循环内清图导致画面完全空白，已解决峰值x坐标偏移问题，需实现峰值标记的实时更新。

解决方案 #

核心思路是复用峰值绘图对象，而非每次循环新增绘图元素；同时避免不必要的清图操作，只更新数据而非重绘整个画布。

修改后的完整代码 #

import pyaudio
import wave
import struct
from scipy.fftpack import fft
from scipy.signal import find_peaks
import matplotlib.pyplot as plt
import numpy as np

class Wave:
    def __init__(self, file) -> None:
        self.CHUNK = 1024 * 4
        self.obj = wave.open(file, "r")
        self.callback_output = []
        self.data = self.obj.readframes(self.CHUNK)
        self.rate = 44100

        # 初始化PyAudio实例
        self.p = pyaudio.PyAudio()

        # 打开音频流
        self.stream = self.p.open(format=pyaudio.paInt16,
                                  channels=self.obj.getnchannels(),
                                  rate=self.rate,
                                  output=True,
                                  input=True,
                                  frames_per_buffer=self.CHUNK)
        
    def fft_plot(self, distance: float):
        x_fft = np.linspace(0, self.rate, self.CHUNK)
        fig, ax = plt.subplots()
        # 初始化频谱线
        line_fft, = ax.semilogx(x_fft, np.random.rand(self.CHUNK), "-", lw=2)
        # 初始化峰值标记（空对象，后续更新数据）
        peaks_plot, = ax.plot([], [], "x", color="red")

        # 设置坐标轴范围
        ax.set_xlim(20, self.rate / 2)
        ax.set_ylim(0, 0.5)  # 固定y轴范围，避免画面跳动

        plt.show(block=False)

        # 绑定窗口关闭事件（只绑定一次）
        def on_close(event):
            self.stream.stop_stream()
            self.stream.close()
            self.p.terminate()
            plt.close()
            exit()
        fig.canvas.mpl_connect('close_event', on_close)

        while True:
            # 读取音频数据
            data = self.stream.read(self.CHUNK)
            
            # 转换为整数数组（匹配paInt16格式）
            self.data_int = struct.unpack(str(self.CHUNK * self.obj.getnchannels()) + 'h', data)
            
            # 计算FFT并更新频谱线
            yf = fft(self.data_int)
            line_data = np.abs(yf[0:self.CHUNK]) / (128 * self.CHUNK)
            line_fft.set_ydata(line_data)

            # 查找峰值
            peaks, _ = find_peaks(line_data, distance=distance)
            # 更新峰值标记的坐标
            peaks_plot.set_xdata(x_fft[peaks])  # 使用实际频率坐标而非索引
            peaks_plot.set_ydata(line_data[peaks])

            # 更新画布
            fig.canvas.draw()
            fig.canvas.flush_events()

test_file = "C:/Users/Tam/Documents/VScode/Final Project/PrismGuitars.wav"

audio_test = Wave(test_file)
audio_test.fft_plot(2000)

关键改动说明 #

1. 复用峰值绘图对象：在初始化时创建空的峰值标记对象，每次循环仅更新其坐标数据，避免重复添加绘图元素导致叠加。
2. 修正音频数据解析：匹配paInt16格式使用'h'（短整数）解析，结合声道数计算解析长度，避免数据格式不匹配。
3. 正确映射峰值频率：用x_fft[peaks]获取峰值对应的实际频率值，确保坐标逻辑准确。
4. 固定y轴范围：避免频谱跳动造成的视觉干扰，可根据实际需求调整范围值。
5. 优化窗口关闭事件：仅绑定一次关闭逻辑，同时释放音频流和PyAudio资源，避免内存泄漏。
6. 简化初始化流程：移除不必要的初始FFT计算，直接进入实时数据处理循环。

内容的提问来源于stack exchange，提问作者TamperedAether