如何使用Python基于手部关键点数组值绘制各关键点频谱图

完全可以基于Python实现手部关键点数组的多频谱整合展示，用常规科学计算栈就可以完成，不需要特殊定制工具。

先装好需要的库，执行以下命令即可：
pip install numpy matplotlib scipy
各库作用：

• numpy：做快速傅里叶变换，计算频谱核心数据
• matplotlib：完成多子图/单图多曲线的频谱渲染、布局调整
• scipy：可选，用来做关键点序列的去噪、加窗预处理，解决关键点抖动带来的频谱杂波问题

1. 数据格式整理 #

先把你从姿态模型拿到的关键点数组规整成标准结构：

• 最终数组形状建议为 (总采样帧数, 关键点总数, 坐标维度数)，坐标维度一般是2（平面x/y坐标）或3（空间x/y/z坐标）
• 单独提取每个关键点对应维度的一维时序序列即可用于频谱计算，比如要分析所有关键点x方向的运动频谱，就取所有帧对应关键点的x值组成长度等于总帧数的一维数组。
• 可选预处理：如果关键点序列存在检测抖动、跳变，先用滑动平均做平滑；计算频谱前给序列加汉明窗，减少傅里叶变换的频谱泄漏问题。

2. 单关键点频谱计算 #

对每个关键点的一维时序序列，用快速傅里叶变换得到频率和对应振幅值，可直接复用以下工具函数：
注意不要直接使用全量FFT结果绘图，负频率部分是算法产生的共轭对称冗余数据，仅保留正频率段即可

import numpy as np

def get_spectrum(time_seq, sample_fps):
    """
    time_seq: 单个关键点的单维度时序数组
    sample_fps: 提取关键点时的源视频帧率，即采样频率
    返回: 频率轴数组、对应振幅数组
    """
    seq_len = len(time_seq)
    # 加汉明窗抑制频谱泄漏
    window = np.hamming(seq_len)
    fft_res = np.fft.fft(time_seq * window)
    # 截取正频率部分
    freq_axis = np.fft.fftfreq(seq_len, d=1/sample_fps)[:seq_len//2]
    amplitude = 2.0 / seq_len * np.abs(fft_res[:seq_len//2])
    return freq_axis, amplitude

3. 多频谱整合展示 #

根据需要的效果选对应布局即可：

网格分图布局（单关键点单独小图展示） #

按手部关键点的排布逻辑做网格子图，每个子图画对应关键点的频谱，示例代码如下（以常规21个手部关键点为例，排7行3列网格）：

import matplotlib.pyplot as plt

# 配置参数
SAMPLE_FPS = 30 # 替换成你自己的视频帧率
KEYPOINT_NUM = 21 # 替换成你自己的关键点总数
# 这里替换成你自己规整好的关键点数组
# kp_seq形状: (总帧数, KEYPOINT_NUM, 坐标维度)
kp_seq = np.load("your_hand_keypoints.npy") 

# 建7行3列的子图网格，共享xy轴刻度避免重复标注
fig, axes = plt.subplots(nrows=7, ncols=3, figsize=(12, 16), sharex=True, sharey=True)
axes = axes.flatten()

for kp_id in range(KEYPOINT_NUM):
    # 示例取x维度序列，要分析y/z维度就改最后一维的索引
    single_seq = kp_seq[:, kp_id, 0]
    freq, amp = get_spectrum(single_seq, SAMPLE_FPS)
    current_ax = axes[kp_id]
    current_ax.plot(freq, amp, linewidth=0.8)
    current_ax.set_title(f"关键点 {kp_id}", fontsize=9)
    current_ax.grid(alpha=0.3)

# 加整图公共标签
fig.supxlabel("频率 (Hz)")
fig.supylabel("振幅")
plt.tight_layout()
plt.show()

单轴堆叠布局（所有频谱同图展示） #

不需要建多子图，在同一个坐标轴上循环绘制所有关键点的频谱曲线，用不同颜色区分、加图例即可，核心逻辑：

fig, ax = plt.subplots(figsize=(12, 6))
for kp_id in range(KEYPOINT_NUM):
    single_seq = kp_seq[:, kp_id, 0]
    freq, amp = get_spectrum(single_seq, SAMPLE_FPS)
    ax.plot(freq, amp, label=f"关键点{kp_id}", linewidth=1)
ax.set_xlabel("频率 (Hz)")
ax.set_ylabel("振幅")
ax.legend(ncol=3, fontsize=8)
ax.grid(alpha=0.3)
plt.tight_layout()
plt.show()

• 按手部生理分组给曲线配色：比如拇指、食指、中指、无名指、小指、掌根组分别用不同色系，辨识度更高
• 如果不同关键点的振幅差异过大，可对每个关键点的振幅做0-1归一化，避免大振幅曲线压缩小振幅曲线的展示空间
• 如果需要动态实时展示频谱，可接入matplotlib.animation.FuncAnimation，每次取固定长度的滑动窗口序列计算频谱更新图表即可

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