400行Python代码实现文语处理助手(3)

音频显示是 pzh-py-speech 的主要功能，pzh-py-speech 借助的是 Matplotlib 以及 NumPy 来实现的音频显示功能，今天痞子衡为大家介绍音频显示在 pzh-py-speech 中是如何实现的。

一、SciPy 工具集

SciPy 是一套 Python 科学计算相关的工具集，其本身也是一个 Python 库，这个工具集主要包含以下 6 大 Python 库，pzh-py-speech 所用到的 Matplotlib 以及 NumPy 均属于 SciPy 工具集。

1.1 NumPy

NumPy 是一套最基础的 Python 科学计算包，它主要用于数组与矩阵运算，它是一个开源项目，被收录进 NumFOCUS 组织维护的 Sponsored Project 里。pzh-py-speech 使用的是 NumPy 1.15.0。
　　

NumPy 库的官方主页如下：

NumPy 官方主页: /zixunimg/eefocusimg/www.numpy.org/

NumPy 安装方法: /zixunimg/eefocusimg/pypi.org/project/numpy/
　　

NumPy 的快速上手可参考这个网页 /zixunimg/eefocusimg/docs.scipy.org/doc/numpy/user/quickstart.html

1.2 Matplotlib

Matplotlib 是一套 Python 高质量 2D 绘图库，它的初始设计者为 John Hunter，它也是一个开源项目，被同样收录进 NumFOCUS 组织维护的 Sponsored Project 里。pzh-py-speech 使用的是 Matplotlib 2.2.3。
　　

Matplotlib 库的官方主页如下：

Matplotlib 官方主页: /zixunimg/eefocusimg/matplotlib.org/

Matplotlib 安装方法: /zixunimg/eefocusimg/pypi.org/project/matplotlib/
　　

Matplotlib 绘图功能非常强大，但是作为一般使用，我们没有必要去通读其官方文档，其提供了非常多的 example 代码，这些 example 都在 /zixunimg/eefocusimg/matplotlib.org/gallery/index.html，我们只要找到能满足我们需求的 example，在其基础上简单修改即可。下面就是一个最简单的正弦波示例：

import matplotlib

import matplotlib.pyplot as plt

import numpy as np

# Data for plotting

t = np.arange(0.0, 2.0, 0.01)

s = 1 + np.sin(2 * np.pi * t)

fig, ax = plt.subplots()

ax.plot(t, s)

ax.set(xlabel='time (s)', ylabel='voltage (mV)',

title='About as simple as it gets, folks')

ax.grid()

fig.savefig("test.png")

plt.show()

二、pzh-py-speech 音频显示实现

pzh-py-speech 关于音频显示功能实现主要有四点：选择 .wav 文件、读取 .wav 文件、绘制 .wav 波形、添加光标功能，最终 pzh-py-speech 效果如下图所示，痞子衡为逐一为大家介绍实现细节。

2.1 选择 .wav 文件功能

选择 wav 文件主要借助的是 wxPython 里的 genericDirCtrl 控件提供的功能实现的，我们使用 genericDirCtrl 控件创建了一个名为 m_genericDirCtrl_audioDir 的对象，借助其 SetFilter()方法实现了仅显示 .wav 文件格式的过滤，并且我们为 m_genericDirCtrl_audioDir 还创建了一个 event，即 viewAudio()，这个 event 的触发条件是选中 m_genericDirCtrl_audioDir 里列出的 .wav 文件，当 viewAudio（）被触发时，我们通过 GetFilePath()方法即可获得选中的 .wav 文件路径。

class mainWin(win.speech_win):

def __init__(self, parent):

win.speech_win.__init__(self, parent)

# ...

self.m_genericDirCtrl_audioDir.SetFilter("Audio files (*.wav)|*.wav")

def viewAudio( self, event ):

self.wavPath = self.m_genericDirCtrl_audioDir.GetFilePath()

2.2 读取 .wav 文件功能

读取 .wav 文件主要借助的是 python 自带的标准库 wave，以及第三方的 NumPy 库。痞子衡创建了一个名为 wavCanvasPanel 的类，在这个类中定义了 readWave(self, wavPath, wavInfo)方法，其中参数 wavPath 即是要读取的 .wav 文件路径，参数 wavInfo 是 GUI 状态栏对象，用于直观显示读取到的 .wav 文件信息。
　　

在 wavCanvasPanel.readWave()方法中，痞子衡首先使用了 wave 库里的功能获取到 .wav 文件的所有信息以及所有 PCM 数据，然后借助 NumPy 库将 PCM 数据按 channel 重新组织，便于后续图形显示。关于数据重新组织，有一个地方需要特别说明，即 int24 类型（3-byte）是不被 NumPy 中的 fromstring()原生支持，因此痞子衡自己实现了一个非标准类型数据的 fromstring()。

import numpy

import wave

class wavCanvasPanel(wx.Panel):

def fromstring(self, wavData, alignedByte):

if alignedByte <= 8:

src = numpy.ndarray(len(wavData), numpy.dtype('>i1'), wavData)

dest = numpy.zeros(len(wavData) / alignedByte, numpy.dtype('>i8'))

for i in range(alignedByte):

dest.view(dtype='>i1')[alignedByte-1-i::8] = src.view(dtype='>i1')[i::alignedByte]

[hex(x) for x in dest]

return True, dest

else:

return False, wavData

def readWave(self, wavPath, wavInfo):

if os.path.isfile(wavPath):

# Open the wav file to get wave data and parameters

wavFile = wave.open(wavPath, "rb")

wavParams = wavFile.getparams()

wavChannels = wavParams[0]

wavSampwidth = wavParams[1]

wavFramerate = wavParams[2]

wavFrames = wavParams[3]

wavInfo.SetStatusText('Opened Audio Info = ' +

'Channels:' + str(wavChannels) +

', SampWidth:' + str(wavSampwidth) + 'Byte' +

', SampRate:' + str(wavFramerate) + 'kHz' +

', FormatTag:' + wavParams[4])

wavData = wavFile.readframes(wavFrames)

wavFile.close()

# Transpose the wav data if wave has multiple channels

if wavSampwidth == 1:

dtype = numpy.int8

elif wavSampwidth == 2:

dtype = numpy.int16

elif wavSampwidth == 3:

dtype = None

elif wavSampwidth == 4:

dtype = numpy.float32

else:

return 0, 0, 0

if dtype != None:

retData = numpy.fromstring(wavData, dtype = dtype)

else:

# Implement int24 manually

status, retData = self.fromstring(wavData, 3)

if not status:

return 0, 0, 0

if wavChannels != 1:

retData.shape = -1, wavChannels

retData = retData.T

# Calculate and arange wave time

retTime = numpy.arange(0, wavFrames) * (1.0 / wavFramerate)

retChannels = wavChannels

return retChannels, retData, retTime

else:

return 0, 0, 0

2.3 绘制 .wav 波形功能

绘制 .wav 波形是最主要的功能。痞子衡在 wavCanvasPanel 类中实现了 showWave(self, wavPath, wavInfo)方法，这个方法会在 GUI 控件 m_genericDirCtrl_audioDir 的事件函数 viewAudio()中被调用。
　　

在 wavCanvasPanel.showWave()方法中，痞子衡首先使用了 readWave()获取 .wav 文件中经过重新组织的 PCM 数据，然后借助 Matplotlib 中的 figure 类中的 add_axes()方法逐一将各 channel 的 PCM 数据绘制出来，并辅以各种信息（x、y 轴精度、标签等）一同显示出来。由于 GUI 控件里专门用于显示波形的 Panel 对象尺寸为 720*360 inch，痞子衡限制了最多显示 .wav 的前 8 通道。

import matplotlib

from matplotlib.backends.backend_wxagg import FigureCanvasWxAgg as FigureCanvas

from matplotlib.figure import Figure

MAX_AUDIO_CHANNEL = 8

#unit: inch

PLOT_PANEL_WIDTH = 720

PLOT_PANEL_HEIGHT = 360

#unit: percent

PLOT_AXES_WIDTH_TITLE = 0.05

PLOT_AXES_HEIGHT_LABEL = 0.075

class wavCanvasPanel(wx.Panel):

def __init__(self, parent):

wx.Panel.__init__(self, parent)

dpi = 60

width = PLOT_PANEL_WIDTH / dpi

height = PLOT_PANEL_HEIGHT / dpi

self.wavFigure = Figure(figsize=[width,height], dpi=dpi, facecolor='#404040')

self.wavCanvas = FigureCanvas(self, -1, self.wavFigure)

self.wavSizer = wx.BoxSizer(wx.VERTICAL)

self.wavSizer.Add(self.wavCanvas, 1, wx.EXPAND|wx.ALL)

self.SetSizerAndFit(self.wavSizer)

self.wavAxes = [None] * MAX_AUDIO_CHANNEL

def readWave(self, wavPath, wavInfo):

# ...

def showWave(self, wavPath, wavInfo):

self.wavFigure.clear()

waveChannels, waveData, waveTime = self.readWave(wavPath, wavInfo)

if waveChannels != 0:

# Note: only show max supported channel if actual channel > max supported channel

if waveChannels > MAX_AUDIO_CHANNEL:

waveChannels = MAX_AUDIO_CHANNEL

# Polt the waveform of each channel in sequence

for i in range(waveChannels):

left = PLOT_AXES_HEIGHT_LABEL

bottom = (1.0 / waveChannels) * (waveChannels - 1 - i) + PLOT_AXES_HEIGHT_LABEL

height = 1.0 / waveChannels - (PLOT_AXES_WIDTH_TITLE + PLOT_AXES_HEIGHT_LABEL)

width = 1 - left - 0.05

self.wavAxes[i] = self.wavFigure.add_axes([left, bottom, width, height], facecolor='k')

self.wavAxes[i].set_prop_cycle(color='#00F279', lw=[1])

self.wavAxes[i].set_xlabel('time (s)', color='w')

self.wavAxes[i].set_ylabel('value', color='w')

if waveChannels == 1:

data = waveData

else:

data = waveData[i]

self.wavAxes[i].plot(waveTime, data)

self.wavAxes[i].grid()

self.wavAxes[i].tick_params(labelcolor='w')

self.wavAxes[i].set_title('Audio Channel ' + str(i), color='w')

# Note!!!: draw() must be called if figure has been cleared once

self.wavCanvas.draw()

class mainWin(win.speech_win):

def __init__(self, parent):

win.speech_win.__init__(self, parent)

self.wavPanel = wavCanvasPanel(self.m_panel_plot)

# ...

def viewAudio( self, event ):

self.wavPath = self.m_genericDirCtrl_audioDir.GetFilePath()

self.wavPanel.showWave(self.wavPath, self.statusBar)

2.4 添加光标功能

光标定位功能不是必要功能，但其可以让软件看起来高大上，痞子衡创建了一个名为 wavCursor 类来实现它，主要在这个类中实现了 moveMouse 方法，这个方法将会被 FigureCanvasWxAgg 类中的 mpl_connect()方法添加到各通道 axes 中。

MAX_AUDIO_CHANNEL = 8

class wavCursor(object):

def __init__(self, ax, x, y):

self.ax = ax

self.vline = ax.axvline(color='r', alpha=1)

self.hline = ax.axhline(color='r', alpha=1)

self.marker, = ax.plot([0],[0], marker="o", color="crimson", zorder=3)

self.x = x

self.y = y

self.xlim = self.x[len(self.x)-1]

self.text = ax.text(0.7, 0.9, '', bbox=dict(facecolor='red', alpha=0.5))

def moveMouse(self, event):

if not event.inaxes:

return

x, y = event.xdata, event.ydata

if x > self.xlim:

x = self.xlim

index = numpy.searchsorted(self.x, [x])[0]

x = self.x[index]

y = self.y[index]

self.vline.set_xdata(x)

self.hline.set_ydata(y)

self.marker.set_data([x],[y])

self.text.set_text('x=%1.2f, y=%1.2f' % (x, y))

self.text.set_position((x,y))

self.ax.figure.canvas.draw_idle()

class wavCanvasPanel(wx.Panel):

def __init__(self, parent):

# ...

self.wavAxes = [None] * MAX_AUDIO_CHANNEL

# 定义光标对象

self.wavCursor = [None] * MAX_AUDIO_CHANNEL

def showWave(self, wavPath, wavInfo):

# ...

if waveChannels != 0:

# ...

for i in range(waveChannels):

# ...

self.wavAxes[i].set_title('Audio Channel ' + str(i), color='w')

# 实例化光标对象，并使用 mpl_connect()将 moveMouse()动作加入光标对象

self.wavCursor[i] = wavCursor(self.wavAxes[i], waveTime, data)

self.wavCanvas.mpl_connect('motion_notify_event', self.wavCursor[i].moveMouse)

# ...
　　

至此，语音处理工具 pzh-py-speech 诞生之音频显示实现痞子衡便介绍完毕了，掌声在哪里~~~

『本文转载自网络,版权归原作者所有,如有侵权请联系删除』

400行Python代码实现文语处理助手(3) - 音频显示

相关推荐