matplotlib绘制y轴为非线性Bark频率刻度语谱图的实现咨询

问题原因 #

imshow仅支持均匀网格的坐标映射，仅通过extent参数设置频率范围会将所有频率仓线性拉伸到指定区间，无法适配Bark、Mel等非线性分布的频率仓间隔。

解决方案 #

使用matplotlib的pcolormesh接口实现非均匀网格的热力图绘制，具体步骤如下：

• 准备三类输入数据
  1. 语谱图数据：维度为[4238, 263]的PyTorch张量先调用.numpy()转为numpy数组
  2. 时间轴数组：长度为4238，对应每个时间帧的实际秒数，可根据帧移、采样率计算生成
  3. 非线性频率数组：你已有的263个Bark尺度对应的实际Hz值
• （可选）计算网格边界
  pcolormesh默认传入的X/Y轴参数为网格边界坐标，长度需要比对应数据维度大1，可通过相邻坐标取中点的方式生成边界数组，避免边缘频率仓被截断，代码示例：

  import numpy as np
  # 替换为你的263个实际频率值
  freq_axis = np.array([0, 32.9, 42.67268041, 52.45663684, ...])
  freq_bound = np.concatenate([
      [freq_axis[0] - (freq_axis[1]-freq_axis[0])/2],
      (freq_axis[1:] + freq_axis[:-1])/2,
      [freq_axis[-1] + (freq_axis[-1]-freq_axis[-2])/2]
  ])
  # 生成时间边界，总时长可根据实际场景调整
  time_axis = np.linspace(0, 20, 4238)
  time_bound = np.concatenate([
      [time_axis[0] - (time_axis[1]-time_axis[0])/2],
      (time_axis[1:] + time_axis[:-1])/2,
      [time_axis[-1] + (time_axis[-1]-time_axis[-2])/2]
  ])
  

• 调用pcolormesh绘图

  import matplotlib.pyplot as plt
  import torch
  
  # 替换为你的语谱图张量
  spec = torch.randn(4238, 263).numpy()
  # 绘图时需要转置语谱图，匹配matplotlib的X/Y轴维度规则
  plt.pcolormesh(time_bound, freq_bound, spec.T, shading='flat')
  plt.xlabel('Time (s)')
  plt.ylabel('Frequency (Hz)')
  plt.colorbar(label='Spectral Amplitude')
  plt.show()
  

注意事项 #

如果不需要严格对齐网格边界，可直接传入原始的time_axis和freq_axis，同时设置参数shading='nearest'，无需额外计算边界数组。

内容的提问来源于stack exchange，提问作者Sevag