Add audio_visualizer/src/audio_visualizer/core.py

audio_visualizer/src/audio_visualizer/core.py

@@ -0,0 +1,87 @@
+from __future__ import annotations
+import logging
+from pathlib import Path
+from typing import Optional
+
+import numpy as np
+import matplotlib.pyplot as plt
+
+from audio_visualizer.io_utils import load_audio_data
+
+
+logger = logging.getLogger(__name__)
+logger.setLevel(logging.INFO)
+if not logger.handlers:
+    handler = logging.StreamHandler()
+    formatter = logging.Formatter('[%(levelname)s] %(asctime)s - %(message)s')
+    handler.setFormatter(formatter)
+    logger.addHandler(handler)
+
+
+class Visualizer:
+    """Verwaltet die Darstellung und Aktualisierung der Visualisierung des Frequenzspektrums."""
+
+    def __init__(self, output_path: Optional[str] = None) -> None:
+        self.output_path = Path(output_path) if output_path else None
+
+    def render(self, spectrum: np.ndarray) -> None:
+        """Rendert das aktuelle Spektrum als grafische Darstellung."""
+        logger.info("Starte Rendering des Spektrums …")
+        if spectrum.ndim != 1:
+            raise ValueError("Spektrum muss eindimensional sein.")
+
+        plt.figure(figsize=(10, 6))
+        plt.plot(spectrum, color='royalblue', linewidth=1.2)
+        plt.title('Frequenzspektrum – Echo der Wellen')
+        plt.xlabel('Frequenzindex')
+        plt.ylabel('Amplitude')
+        plt.grid(True, linestyle='--', alpha=0.5)
+
+        if self.output_path:
+            self.output_path.parent.mkdir(parents=True, exist_ok=True)
+            plt.savefig(self.output_path, dpi=150)
+            logger.info(f"Visualisierung gespeichert unter: {self.output_path}")
+        else:
+            plt.show()
+
+        plt.close()
+        logger.info("Rendering abgeschlossen.")
+
+
+def compute_spectrum(data: np.ndarray) -> np.ndarray:
+    """Berechnet die Frequenzspektralanalyse aus Rohdaten."""
+    logger.info("Berechne Spektrum …")
+
+    if not isinstance(data, np.ndarray):
+        raise TypeError("Eingabedaten müssen ein numpy.ndarray sein.")
+    if data.size == 0:
+        raise ValueError("Eingabedaten sind leer.")
+
+    # Überprüfung auf NaNs
+    if np.isnan(data).any():
+        logger.warning("Eingabedaten enthalten NaN-Werte; werden durch 0 ersetzt.")
+        data = np.nan_to_num(data)
+
+    spectrum = np.abs(np.fft.rfft(data - np.mean(data)))
+    logger.debug(f"Spektrum berechnet, Länge: {len(spectrum)}")
+    return spectrum
+
+
+def generate_visualization(audio_file: str, output_file: Optional[str] = None) -> None:
+    """Erzeugt eine visuelle Darstellung der Audiofrequenzen aus einer Eingabedatei."""
+    logger.info(f"Starte Visualisierung für Datei: {audio_file}")
+
+    input_path = Path(audio_file)
+    assert input_path.exists(), f"Eingabedatei existiert nicht: {audio_file}"
+
+    # Eingabedaten laden
+    data = load_audio_data(str(input_path))
+    assert isinstance(data, np.ndarray) and data.size > 0, "Geladene Daten sind ungültig oder leer."
+
+    # Spektrum berechnen
+    spectrum = compute_spectrum(data)
+
+    # Visualisierung ausgeben
+    visualizer = Visualizer(output_file)
+    visualizer.render(spectrum)
+    logger.info("Visualisierung erfolgreich abgeschlossen.")