PsychoPy文字刺激、图片刺激和光栅刺激

更多技术干货第一时间送达

PsychoPy


正如在前面介绍的,PsychoPy有两个视图:Builder视图和Coder视图。Builder视图具有非常友好的用户界面,用户无需过多的编程知识即可通过简单的拖拽和点击就可完成一些实验程序;Coder视图只提供了代码编辑器,可以在Coder视图编写代码来实现实验程序。

PsychoPy安装教程:PsychoPy安装与测试案例

这篇主要介绍三种刺激:文字刺激、图片刺激、位图刺激

文字刺激


1.打开Coder视图

如下图在Coder编辑器中,编写代码。

# -*- coding: utf-8 -*-#导入工具包from psychopy import visual, core
# 创建刺激呈现窗口,该窗口就是所有刺激的展示舞台win = visual.Window(size = (400,300), color = (-1,-1,-1),fullscr = False )
"""创建两个文本刺激分别为text1和text2"""text1 = visual.TextStim(win, text = u'你好心理学!', height = 0.1, pos = (0.0,0.4), color = 'pink', bold = True, italic = True)
text2 = visual.TextStim(win, text = u'', height = 0.1, pos = (0.0,0.7), color = 'violet', bold = True, italic = False)text2.text = u'心理学!'"""draw()方法可以把文本绘制到缓存"""text1.draw()text2.draw()#调用win的flip()方法,将所有缓存区的刺激效果展现到舞台win.flip()"""等待5秒,舞台显示可以持续5s"""core.wait(5)win.close()

图片刺激


# -*- coding: utf-8 -*-#导入工具包from psychopy.visual import Window, ImageStim, TextStimfrom psychopy import eventimport random #创建窗口win = Window()"""设置图片参数,image:设置图片路径,图片名[注意后缀]"""pic = ImageStim(win,image='example.png')#向缓冲区里绘制图片pic.draw()"""创建1个文本刺激为text1"""text1 = TextStim(win, text = u'按空格退出', color = 'blue', pos = [0,30], units = 'pix')
#向缓冲区里绘制文本text1.draw()#调用win的flip()方法,将所有缓存区的刺激效果展现到舞台win.flip() while 'space' not in event.getKeys(): passwin.close()

如上面的结果提示,通过按空格键退出窗口舞台。

光栅刺激


# -*- coding: utf-8 -*-#导入工具包import numpyfrom psychopy.visual import Window, GratingStimfrom psychopy.core import wait#设置窗口大小DISPSIZE = (600, 600)"""创建窗口,设置窗口单位pix,设置窗口显示为非全屏
"""disp = Window(size=DISPSIZE, units='pix', fullscr=False)"""GratingStim用于绘制任意位图的光栅刺激对象,该位图可以在任意维度重复(循环)tex 设置光栅纹理作为刺激对象mask 设置蒙版sf 设置光栅纹理的空间频率size 设置刺激单位的大小(宽度,高度)"""gabor = GratingStim(disp, tex='sin', mask='gauss', sf=0.05, size=200)#生成噪声noise = (numpy.random.rand(64, 64)*2)-1noisepatch = GratingStim(disp, tex=noise, mask='gauss',size=200)#将刺激对象绘制到缓冲区gabor.draw()#将所有缓存区的刺激效果展现到舞台disp.flip()wait(3)
noisepatch.draw()disp.flip()wait(5)disp.close()

更多阅读

EEG信号特征提取算法

EEMD算法原理与实现

EMD算法原理与实现
EEGNet: 神经网络应用于脑电信号

信号处理之倒频谱原理与python实现

信号处理之功率谱原理与python实现

脑电信号滤波-代码实现

运动想象系统中的特征提取算法和分类算法

特征提取算法 | 共空间模式 Common Spatial Pattern(CSP)

功率谱估计-直接法原理与案例

MNE中文教程(16)-脑电数据的Epoching处理

DEAP数据库介绍--来自于音乐视频材料诱发得到的脑电数据

PsychoPy安装与测试案例

(0)

相关推荐