Python 如何将Librosa光谱图图保存为特定大小的图像？
所以我想把光谱图图像输入到一个卷积神经网络中，试图对各种声音进行分类。我希望每个图像精确到384x128像素。然而，当我实际保存图像时，它只有297x98。这是我的密码：Python 如何将Librosa光谱图图保存为特定大小的图像？,python,matplotlib,audio,librosa,Python,Matplotlib,Audio,Librosa,所以我想把光谱图图像输入到一个卷积神经网络中，试图对各种声音进行分类。我希望每个图像精确到384x128像素。然而，当我实际保存图像时，它只有297x98。这是我的密码： def save_spectrogram(num): dpi = 128 x_pixels = 384 y_pixels = 128 samples, sr = load_wave(num) stft = np.absolute(librosa.stft(samples)) db = librosa.a
def save_spectrogram(num):
dpi = 128
x_pixels = 384
y_pixels = 128
samples, sr = load_wave(num)
stft = np.absolute(librosa.stft(samples))
db = librosa.amplitude_to_db(stft, ref=np.max)
fig = plt.figure(figsize=(x_pixels//dpi, y_pixels//dpi), dpi=dpi, frameon=False)
ax = fig.add_subplot(111)
ax.axes.get_xaxis().set_visible(False)
ax.axes.get_yaxis().set_visible(False)
ax.set_frame_on(False)
librosa.display.specshow(db, y_axis='linear')
plt.savefig(TRAIN_IMG+str(num)+'.jpg', bbox_inches='tight', pad_inches=0, dpi=dpi)
有人对我如何解决这个问题有什么建议吗？我也尝试过不使用子绘图，但当我这样做时，它仍然会保存为错误的大小，并且有空白/背景。绘图是供人类查看的，并且包含对机器学习不有用的轴标记、标签等内容。要向模型提供光谱图的“图像”，只需输出数据。这些数据可以以任何格式存储，但如果您想使用标准图像格式，则应使用PNG。JPEG等有损压缩会引入压缩伪影 下面是保存光谱图的工作示例代码。请注意，为了获得固定大小的图像输出，代码提取音频信号的固定长度窗口。将音频流划分为这种固定长度的分析窗口是标准做法 示例代码
导入librosa
进口numpy
导入skimage.io
def比例_最小值最大值（X，最小值=0.0，最大值=1.0）：
X_标准=（X-X.min（））/（X.max（）-X.min（））
X_标度=X_标准*（最大-最小）+最小
返回X_标度
def光谱图图像（y、sr、out、跃点长度、n\u mels）：
#使用对数谱图
mels=librosa.feature.melspectrogram（y=y，sr=sr，n_-mels=n_-mels，
n_fft=跃点长度*2，跃点长度=跃点长度）
mels=numpy.log（mels+1e-9）#添加少量以避免日志（0）
#最小最大刻度，适合8位范围
img=刻度最小值（mels，0，255）.aType（numpy.uint8）
img=numpy.flip（img，轴=0）#将低频置于图像底部
img=255 img#倒置。使变黑=更多能量
#另存为PNG
skimage.io.imsave（out，img）
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
#背景
跃点长度=512#谱图中每个时间步的样本数
n_mels=128#光谱图中的箱数。影像高度
时间步数=384个时间步数。图像宽度
#加载音频。使用librosa中的示例
path=librosa.util.example_audio_file（）
y、 sr=librosa.load（路径，偏移量=1.0，持续时间=10.0，sr=22050）
out='out.png'
#提取固定长度的窗口
开始样本=0#从开始开始
长度\样本=时间\步数*跳数\长度
窗口=y[开始样本：开始样本+长度样本]
#转换为PNG
光谱图图像（窗口，sr=sr，out=out，hop_长度=hop_长度，n_mels=n_mels）
打印（'写入文件'，输出）
您是否确认您的dpi为128，而不是接近100？否则，我认为这篇文章有很好的答案，为什么你不简单地pickle
db