28-p_q.md

p😭q

音乐的正统在于看 FFT 听音乐！

这道题本质上就是把频谱图转换为声波。

我本来以为这道题还要手撕 FFT 的，结果发现完全不用，首先给了代码，再者[见下文]，于是这道题就完全是一道工程题，只要会调库就可以了。

看源码，源码大致可以分成两个部分：正向 FFT，和 gif 生成。

我们就反过来“逆向”每一步就行了。

首先是读 gif，这个没啥好说的，只是细节比较多，直接上代码（趴）：

image = Image.open('flag.gif')

db_frames = []

for i, gif_frame in enumerate(ImageSequence.Iterator(image)):
    # 将 gif_frame 转为 [x, y, 3] 的三维数组
    frame = np.asarray(
            gif_frame.convert('RGB').getdata(),
            dtype=np.uint8
        ).reshape(gif_frame.size[1], gif_frame.size[0], 3)

    dbs = []  # 该 frame 中，频率对应的 dB

    for freq in range(0, num_freqs):
        for i, threshold in enumerate(list(range(min_db, max_db + 1, quantize))[::-1], start=1):
            x = threshold - min_db
            y = (freq * 2 + 1) * 2
            color = frame[x][y]
            if (color == white_pixel).all():
                dbs.append(i - 1)
                break

    db_frames.append(dbs)

随后就是要逆向这个 melspectrogram。看源代码：

spectrogram = (
    numpy.around(
        librosa.power_to_db(
            librosa.feature.melspectrogram(
                ...
            )
        ) / quantize
    ) * quantize
)

最外层，/ quantize, numpy.around, * quantize 就是将 dB 取整。

然后再里面一层，就是 librosa.power_to_db，看这个命名……盲猜一下……大概有个函数……可以把它反过来，还真有：librosa.db_to_power。

再里面一层，就是 FFT 大头，librosa.feature.melspectrogram，本来呢，我还做好准备要手撕 FFT 的，然后一查文档，发现好家伙，这函数也有逆函数 librosa.feature.inverse.mel_to_audio，这就省事了。

接下来的事就是把上面的过程反过来套一遍就可以了：

db_frames = [ ... ]  # 上面的 db_frames

frames = np.array(db_frames).transpose(1, 0)  # 交换两维，我也不知道为啥要这样，反正接口要对上就对了
frames += min_db
# 如果考虑上面的对 2 取整的话，实际上还要加上期望值 1 才对？

y = librosa.feature.inverse.mel_to_audio(
    librosa.db_to_power(frames),
    22050,  # sample_rate
    n_fft=fft_window_size,
    hop_length=frame_step_size,
    window=window_function_type
)

sf.write('origin.wav', y, 22050)

至此，我们就把 gif 逆向成了 origin.wav。

音频是「The flag is, F-L-A-G, 634,971,243,582」。