Python 从声谱图重建音频

我已经按照（）从声音构造了一个频谱图。我已经将光谱图导出并保存为png图像。我现在想要的是，在matlab或任何其他平台中导入图像，并从中构建音频。我已经阅读了很多帖子和阅读材料，但它们并不涉及从图像生成音频。大多数情况下，他们依靠声音信息进行重建，其中频谱图仅用于可视化目的，仅此而已。附加图像以供参考。

在您引用的文档之后：

s = imread('im.png') // see remarks below
x = stftmag2sig(s,nfft) // x is your audio

s

是您的图像。OP产生这些光谱图，所以他控制输出。基于此：

• 避免有损图像格式，并确保不会发生重缩放/插值。您的像素应该包含来自给定时间窗口（

  nfft

  ）和频率槽的振幅
• 要么生成只有光谱图（无轴）的图像，要么知道光谱图的精确坐标
• 不要在光谱图中使用颜色。它看起来不错，但对于如何将三元组颜色映射到振幅，引入了完全不必要的歧义

---

您发布的链接中有一个名为“从STFT幅值重建音频信号”的示例，这不是您想要的吗？在任何情况下，如果我是你，我会尝试在给定频率/时间空间中振幅矩阵的情况下重建信号。然后找出如何将图像转换成这样的矩阵，如果你需要这样做的话。我想从频谱图重建音频信号。该链接提供了如何从STFT幅值重建音频信号的信息。即使如此，他们也高度依赖信号本身的幅度部分。首先，我想看看我们是否能从光谱图图像中提取相同的信息。我建议先看看其他问题。虽然在某些情况下语言可能不一样，但原则是一样的，至于从图像中提取值，您可以尝试转换为灰度并将其加载到类似于numpy数组的东西中，其中每个元素都是像素的亮度。这不是一个很好的解决方案，因为它在很大程度上取决于你的颜色映射在o.g.图像上的方式。处理实际数据要比处理图像好得多，但如果必须使用图像，请尝试使用灰度图像。就反演STFT/重建信号而言，这只有在您已经知道窗口函数的情况下才可能，对吗？