音頻處理 (一) 音頻文件

時間 2019-11-17

標籤音頻處理音頻文件简体版

原文原文鏈接

音頻文件算法

音頻文件是對聲音進行數字轉換以後存放的數據文件，瞭解音頻數據必須先知道幾個重要概念。ide

1. 採樣：對聲音信息錄入時，行進的最小操做單位，通常一次採樣具備左右2個聲道，每一個聲道用1或2個字節來存儲；this

這樣採樣的量化位數是8位，或16位(樣本位寬)，量化位數越高聲音音質越好；就像11位電話號碼錶示的號碼比7位要多得多；編碼

2. 採樣頻率：每秒採樣次數，單位Hz，通常的音頻文件有11.025kHz、22.05kHz、44.10kHz等；顯然，這種模-數信息的轉換，每秒採樣次數越多，聲音就越精確；spa

3. 碼率：每秒編碼的bit數，單位是kb/s；計算方式：位寬×聲道數×採樣頻率；(單位是bit不是字節)指針

4. 聲道數，固定值爲1-單聲道，或者2-雙聲道，雙聲道時，每一個採樣樣本中包含左聲道、右聲道的音頻數據，所以二者的數據是交錯排列的；code

（一）Wave 格式orm

WAVE是微軟開發的聲音文件格式，用於保存Windows平臺的音頻信息資源，文件後綴名*.wav；支持多種壓縮算法、多種音頻位數、採樣頻率和聲道；blog

標準的wav文件採用44.1kHz採樣頻率，16位量化位數，聲音文件質量幾與CD至關；Wave格式不對源數據作任何處理，若是源數據是無損的，編碼後的Wav文件也是無損的；若是源數據是有損的，編碼後的Wav文件也是有損的；資源

1. Wave文件的構成：

RIFF	標志 4B	"RIFF"
	數據大小 4B	-
	格式 4B	"WAVE"
fmt	標誌 4B	"fmt "
	結構體大小 4B	16/18
	結構體 16B/18B
data	標誌 4B	"data"
	聲音數據大小 4B	-
	data	-

2. Wave文件的詳細結構：

// RIFF 標準媒體流文件頭
struct Riff_Header {
 char szRiffId[4];                 // 'R','I','F','F'
    DWORD dwRiffSize;            // Size, 除了這 8 個字節以外,文件剩餘大小，等於文件總字節數-8
    char szRiffFormat[4];          // 'W','A','V','E'
}; struct Fmt_Block {  char szFmtId[4];                       // 'f', 'm', 't',' '
     DWORD dwFmtSize;                 // Size 爲 16 或 18
 WORD wFormatTag; // 編碼方式，通常爲 0x0001
    WORD wChannels;                     // 聲道數 1--單聲道 2--雙聲道
    DWORD dwSamplesPerSec;      // 採樣頻率 /Hz
    DWORD dwAvgBytesPerSec;    // 每秒字節數
    WORD wBlockAlign;                 // 數據塊對齊單位(每一個採樣須要的字節數)
    WORD wBitsPerSample;           // 每一個採樣須要的 bit // WORD wBits; // 可能有可能沒有，由dwFmtSize字段決定
}; //Fact_Block 塊，有些 wav 文件中沒有
struct Fact_Block { char szFactId[4];                 // 'f','a','c','t'
        DWORD dwFactSize;           // }; //數據塊
struct Data_Block { char szDataId[4];                //'d','a,','t','a'
       DWORD dwDataSize;          // 音頻數據大小 //data ...
};

說明：

(1) RIFF塊裏面的 dwRiffSize 表示的是整個文件除開頭8個字節以外的大小，0x24 0xCD 0x01 0x00，即 118,052 Byte，經過文件屬性查得文件大小是118,060Byte;

(2) dwFmtSize 爲 0x10 0x00 0x00 0x00，即爲16；fmt塊的剩餘部分是一個波形信息結構，是微軟定義的：

/*
 *  extended waveform format structure used for all non-PCM formats. this
 *  structure is common to all non-PCM formats.
 */
typedef struct tWAVEFORMATEX
{
    WORD        wFormatTag;         /* format type */
    WORD        nChannels;          /* number of channels (i.e. mono, stereo...) */
    DWORD       nSamplesPerSec;     /* sample rate */
    DWORD       nAvgBytesPerSec;    /* for buffer estimation */
    WORD        nBlockAlign;        /* block size of data */
    WORD        wBitsPerSample;     /* number of bits per sample of mono data */
    WORD        cbSize;             /* the count in bytes of the size of */
                                                                                      /* extra information (after cbSize) */
} WAVEFORMATEX, *PWAVEFORMATEX, NEAR *NPWAVEFORMATEX, FAR *LPWAVEFORMATEX;

WAVEFORMATEX

(3) Data塊：dwDataSize表示音頻數據的大小，0x00 0x01 0xCD 0x00，即118,016，略小於118,052，說明文件末有部分無效數據；

一個示例：

//
// 讀取Wav文件頭，並驗證文件格式
// 成功返回文件句柄，並重定位文件指針到數據區
// 失敗返回NULL
//
HANDLE ReadHeader(char* path)
{
    HANDLE hFile = CreateFileA(path, GENERIC_READ, FILE_SHARE_READ, NULL, OPEN_EXISTING, 0, NULL);

    if (hFile == INVALID_HANDLE_VALUE)
    {
        printf("Unable to Open File!");
        return NULL;
    }
    char buffer[512];
    DWORD readByte;
    if (ReadFile(hFile, buffer, sizeof(buffer), &readByte, NULL))
    {
        Riff_Header header;
        Fmt_Block fmt;
        Data_Block data;
        memcpy(&header, buffer, sizeof(Riff_Header));
        if (strncmp(header.szRiffId, "RIFF", 4) != 0) {CloseHandle(hFile); return NULL;}

        memcpy(&fmt, buffer + sizeof(Riff_Header), sizeof(Fmt_Block));
        if (strncmp(fmt.szFmtId, "fmt ", 4) != 0) {CloseHandle(hFile);return NULL;}

        memcpy(&data, buffer + sizeof(Riff_Header)+fmt.dwFmtSize+8, sizeof(Data_Block));
        if (strncmp(data.szDataId, "data", 4) != 0) {CloseHandle(hFile);return NULL;}

        memcpy(&wfx, &fmt.wFormatTag, sizeof(WAVEFORMATEX) - 2);
        wfx.cbSize = 0;

        // 重定位文件指針，到數據起始位置
        int headSize = sizeof(Riff_Header) + fmt.dwFmtSize + 8 + sizeof(Data_Block);
        headSize = (headSize/8 + (headSize%8?1:0))*8;
        SetFilePointer(hFile, headSize, 0, FILE_BEGIN);

        return hFile;
    }
    return NULL;
}

說明：1. 這裏沒有考慮fact結構存在的狀況；2. 調用ReadHeader()以後wfx結構同時也填充完畢，能夠用於打開音頻設備，進行wav音頻播放；

其調用以下：

#include "stdafx.h"
#include <Windows.h>
#include <mmsystem.h>
#include "WavStruct.h"

#pragma comment(lib, "winmm.lib")

const char testWave = "C:/Windows/Media/Ring02.wav";
WAVEFORMATEX wfx;

int main(int argc, char* argv[])
{
    HANDLE hFile = ReadHeader((char*)testWave);
    if (hFile == NULL) return 0;

    CloseHandle(hFile);
    return 0;
}