视音频数据处理入门：PCM音频采样数据处理

=====================================================

视音频数据处理入门系列文章：

视音频数据处理入门：RGB、YUV像素数据处理

视音频数据处理入门：PCM音频采样数据处理

视音频数据处理入门：H.264视频码流解析

视音频数据处理入门：AAC音频码流解析

视音频数据处理入门：FLV封装格式解析

视音频数据处理入门：UDP-RTP协议解析

=====================================================

 

上一篇文章记录了RGB/YUV视频像素数据的处理方法，本文继续上一篇文章的内容，记录PCM音频采样数据的处理方法。音频采样数据在视频播放器的解码流程中的位置如下图所示。

本文分别介绍如下几个PCM音频采样数据处理函数：
  分离PCM16LE双声道音频采样数据的左声道和右声道
  将PCM16LE双声道音频采样数据中左声道的音量降一半
  将PCM16LE双声道音频采样数据的声音速度提高一倍
  将PCM16LE双声道音频采样数据转换为PCM8音频采样数据
  从PCM16LE单声道音频采样数据中截取一部分数据
  将PCM16LE双声道音频采样数据转换为WAVE格式音频数据

注：PCM音频数据可以使用音频编辑软件导入查看。例如收费的专业音频编辑软件Adobe Audition，或者免费开源的音频编辑软件Audacity。

 

函数列表

 

（1）分离PCM16LE双声道音频采样数据的左声道和右声道

本程序中的函数可以将PCM16LE双声道数据中左声道和右声道的数据分离成两个文件。函数的代码如下所示。

[cpp] view plain copy
 
  1. /** 
  2.  * Split Left and Right channel of 16LE PCM file. 
  3.  * @param url  Location of PCM file. 
  4.  * 
  5.  */  
  6. int simplest_pcm16le_split(char *url){  
  7.     FILE *fp=fopen(url,"rb+");  
  8.     FILE *fp1=fopen("output_l.pcm","wb+");  
  9.     FILE *fp2=fopen("output_r.pcm","wb+");  
  10.   
  11.     unsigned char *sample=(unsigned char *)malloc(4);  
  12.   
  13.     while(!feof(fp)){  
  14.         fread(sample,1,4,fp);  
  15.         //L  
  16.         fwrite(sample,1,2,fp1);  
  17.         //R  
  18.         fwrite(sample+2,1,2,fp2);  
  19.     }  
  20.   
  21.     free(sample);  
  22.     fclose(fp);  
  23.     fclose(fp1);  
  24.     fclose(fp2);  
  25.     return 0;  
  26. }  


调用上面函数的方法如下所示。

[cpp] view plain copy
 
  1. simplest_pcm16le_split("NocturneNo2inEflat_44.1k_s16le.pcm");  

 

从代码可以看出，PCM16LE双声道数据中左声道和右声道的采样值是间隔存储的。每个采样值占用2Byte空间。代码运行后，会把NocturneNo2inEflat_44.1k_s16le.pcm的PCM16LE格式的数据分离为两个单声道数据：

output_l.pcm：左声道数据。

output_r.pcm：右声道数据。

注：本文中声音样值的采样频率一律是44100Hz，采样格式一律为16LE。“16”代表采样位数是16bit。由于1Byte=8bit，所以一个声道的一个采样值占用2Byte。“LE”代表Little Endian，代表2 Byte采样值的存储方式为高位存在高地址中。

下图为输入的双声道PCM数据的波形图。上面的波形图是左声道的图形，下面的波形图是右声道的波形。图中的横坐标是时间，总长度为22秒；纵坐标是取样值，取值范围从-32768到32767。

下图为分离后左声道数据output_l.pcm的音频波形图。

 

下图为分离后右声道数据output_r.pcm的音频波形图。

 

（2）将PCM16LE双声道音频采样数据中左声道的音量降一半

本程序中的函数可以将PCM16LE双声道数据中左声道的音量降低一半。函数的代码如下所示。

[cpp] view plain copy
 
  1. /** 
  2.  * Halve volume of Left channel of 16LE PCM file 
  3.  * @param url  Location of PCM file. 
  4.  */  
  5. int simplest_pcm16le_halfvolumeleft(char *url){  
  6.     FILE *fp=fopen(url,"rb+");  
  7.     FILE *fp1=fopen("output_halfleft.pcm","wb+");  
  8.   
  9.     int cnt=0;  
  10.   
  11.     unsigned char *sample=(unsigned char *)malloc(4);  
  12.   
  13.     while(!feof(fp)){  
  14.         short *samplenum=NULL;  
  15.         fread(sample,1,4,fp);  
  16.   
  17.         samplenum=(short *)sample;  
  18.         *samplenum=*samplenum/2;  
  19.         //L  
  20.         fwrite(sample,1,2,fp1);  
  21.         //R  
  22.         fwrite(sample+2,1,2,fp1);  
  23.   
  24.         cnt++;  
  25.     }  
  26.     printf("Sample Cnt:%d\n",cnt);  
  27.   
  28.     free(sample);  
  29.     fclose(fp);  
  30.     fclose(fp1);  
  31.     return 0;  
  32. }  


调用上面函数的方法如下所示。

[cpp] view plain copy
 
  1. simplest_pcm16le_halfvolumeleft("NocturneNo2inEflat_44.1k_s16le.pcm");  

 

从源代码可以看出，本程序在读出左声道的2 Byte的取样值之后，将其当成了C语言中的一个short类型的变量。将该数值除以2之后写回到了PCM文件中。下图为输入PCM双声道音频采样数据的波形图。

下图为输出的左声道经过处理后的波形图。可以看出左声道的波形幅度降低了一半。

 

（3）将PCM16LE双声道音频采样数据的声音速度提高一倍

本程序中的函数可以通过抽象的方式将PCM16LE双声道数据的速度提高一倍。函数的代码如下所示。

[cpp] view plain copy
 
  1. /** 
  2.  * Re-sample to double the speed of 16LE PCM file 
  3.  * @param url  Location of PCM file. 
  4.  */  
  5. int simplest_pcm16le_doublespeed(char *url){  
  6.     FILE *fp=fopen(url,"rb+");  
  7.     FILE *fp1=fopen("output_doublespeed.pcm","wb+");  
  8.   
  9.     int cnt=0;  
  10.   
  11.     unsigned char *sample=(unsigned char *)malloc(4);  
  12.   
  13.     while(!feof(fp)){  
  14.   
  15.         fread(sample,1,4,fp);  
  16.   
  17.         if(cnt%2!=0){  
  18.             //L  
  19.             fwrite(sample,1,2,fp1);  
  20.             //R  
  21.             fwrite(sample+2,1,2,fp1);  
  22.         }  
  23.         cnt++;  
  24.     }  
  25.     printf("Sample Cnt:%d\n",cnt);  
  26.   
  27.     free(sample);  
  28.     fclose(fp);  
  29.     fclose(fp1);  
  30.     return 0;  
  31. }  


调用上面函数的方法如下所示。

[cpp] view plain copy
 
  1. simplest_pcm16le_doublespeed("NocturneNo2inEflat_44.1k_s16le.pcm");  

 

从源代码可以看出，本程序只采样了每个声道奇数点的样值。处理完成后，原本22秒左右的音频变成了11秒左右。音频的播放速度提高了2倍，音频的音调也变高了很多。下图为输入PCM双声道音频采样数据的波形图。

下图为输出的PCM双声道音频采样数据的波形图。通过时间轴可以看出音频变短了很多。

 

（4）将PCM16LE双声道音频采样数据转换为PCM8音频采样数据

本程序中的函数可以通过计算的方式将PCM16LE双声道数据16bit的采样位数转换为8bit。函数的代码如下所示。

 

[cpp] view plain copy
 
  1. /** 
  2.  * Convert PCM-16 data to PCM-8 data. 
  3.  * @param url  Location of PCM file. 
  4.  */  
  5. int simplest_pcm16le_to_pcm8(char *url){  
  6.     FILE *fp=fopen(url,"rb+");  
  7.     FILE *fp1=fopen("output_8.pcm","wb+");  
  8.   
  9.     int cnt=0;  
  10.   
  11.     unsigned char *sample=(unsigned char *)malloc(4);  
  12.   
  13.     while(!feof(fp)){  
  14.   
  15.         short *samplenum16=NULL;  
  16.         char samplenum8=0;  
  17.         unsigned char samplenum8_u=0;  
  18.         fread(sample,1,4,fp);  
  19.         //(-32768-32767)  
  20.         samplenum16=(short *)sample;  
  21.         samplenum8=(*samplenum16)>>8;  
  22.         //(0-255)  
  23.         samplenum8_u=samplenum8+128;  
  24.         //L  
  25.         fwrite(&samplenum8_u,1,1,fp1);  
  26.   
  27.         samplenum16=(short *)(sample+2);  
  28.         samplenum8=(*samplenum16)>>8;  
  29.         samplenum8_u=samplenum8+128;  
  30.         //R  
  31.         fwrite(&samplenum8_u,1,1,fp1);  
  32.         cnt++;  
  33.     }  
  34.     printf("Sample Cnt:%d\n",cnt);  
  35.   
  36.     free(sample);  
  37.     fclose(fp);  
  38.     fclose(fp1);  
  39.     return 0;  
  40. }  

 

 

调用上面函数的方法如下所示。

[cpp] view plain copy
 
  1. simplest_pcm16le_to_pcm8("NocturneNo2inEflat_44.1k_s16le.pcm");  

 

PCM16LE格式的采样数据的取值范围是-32768到32767，而PCM8格式的采样数据的取值范围是0到255。所以PCM16LE转换到PCM8需要经过两个步骤：第一步是将-32768到32767的16bit有符号数值转换为-128到127的8bit有符号数值，第二步是将-128到127的8bit有符号数值转换为0到255的8bit无符号数值。在本程序中，16bit采样数据是通过short类型变量存储的，而8bit采样数据是通过unsigned char类型存储的。下图为输入的16bit的PCM双声道音频采样数据的波形图。

下图为输出的8bit的PCM双声道音频采样数据的波形图。注意观察图中纵坐标的取值范围已经变为0至255。如果仔细聆听声音的话，会发现8bit PCM的音质明显不如16 bit PCM的音质。

 

 

（5）将从PCM16LE单声道音频采样数据中截取一部分数据

本程序中的函数可以从PCM16LE单声道数据中截取一段数据，并输出截取数据的样值。函数的代码如下所示。

[cpp] view plain copy
 
  1. /** 
  2.  * Cut a 16LE PCM single channel file. 
  3.  * @param url        Location of PCM file. 
  4.  * @param start_num  start point 
  5.  * @param dur_num    how much point to cut 
  6.  */  
  7. int simplest_pcm16le_cut_singlechannel(char *url,int start_num,int dur_num){  
  8.     FILE *fp=fopen(url,"rb+");  
  9.     FILE *fp1=fopen("output_cut.pcm","wb+");  
  10.     FILE *fp_stat=fopen("output_cut.txt","wb+");  
  11.   
  12.     unsigned char *sample=(unsigned char *)malloc(2);  
  13.   
  14.     int cnt=0;  
  15.     while(!feof(fp)){  
  16.         fread(sample,1,2,fp);  
  17.         if(cnt>start_num&&cnt<=(start_num+dur_num)){  
  18.             fwrite(sample,1,2,fp1);  
  19.   
  20.             short samplenum=sample[1];  
  21.             samplenum=samplenum*256;  
  22.             samplenum=samplenum+sample[0];  
  23.   
  24.             fprintf(fp_stat,"%6d,",samplenum);  
  25.             if(cnt%10==0)  
  26.                 fprintf(fp_stat,"\n",samplenum);  
  27.         }  
  28.         cnt++;  
  29.     }  
  30.   
  31.     free(sample);  
  32.     fclose(fp);  
  33.     fclose(fp1);  
  34.     fclose(fp_stat);  
  35.     return 0;  
  36. }  


调用上面函数的方法如下所示。

[cpp] view plain copy
 
  1. simplest_pcm16le_cut_singlechannel("drum.pcm",2360,120);  

 

本程序可以从PCM数据中选取一段采样值保存下来，并且输出这些采样值的数值。上述代码运行后，会把单声道PCM16LE格式的“drum.pcm”中从2360点开始的120点的数据保存成output_cut.pcm文件。下图为“drum.pcm”的波形图，该音频采样频率为44100KHz，长度为0.5秒，一共包含约22050个采样点。

下图为截取出来的output_cut.pcm文件中的数据。

 

下面列出了上述数据的采样值。

[plain] view plain copy
 
  1.  4460,  5192,  5956,  6680,  7199,  6706,  5727,  4481,  3261,  1993,  
  2.  1264,   747,   767,   752,  1248,  1975,  2473,  2955,  2952,  2447,  
  3.   974, -1267, -4000, -6965,-10210,-13414,-16639,-19363,-21329,-22541,  
  4. 23028,-22545,-21055,-19067,-16829,-14859,-12596, -9900, -6684, -3475,  
  5.  -983,  1733,  3978,  5734,  6720,  6978,  6993,  7223,  7225,  7440,  
  6.  7688,  8431,  8944,  9468,  9947, 10688, 11194, 11946, 12449, 12446,  
  7. 12456, 11974, 11454, 10952, 10167,  9425,  8153,  6941,  5436,  3716,  
  8.  1952,   236, -1254, -2463, -3493, -4223, -4695, -4927, -5190, -4941,  
  9. -4188, -2956, -1490,   -40,   705,   932,   446,  -776, -2512, -3994,  
  10. -5723, -7201, -8687,-10157,-11134,-11661,-11642,-11168,-10155, -9142,  
  11. -7888, -7146, -6186, -5694, -4971, -4715, -4498, -4471, -4468, -4452,  
  12. -4452, -3940, -2980, -1984,  -752,   257,  1021,  1264,  1032,    31,  

 

（6）将PCM16LE双声道音频采样数据转换为WAVE格式音频数据

WAVE格式音频（扩展名为“.wav”）是Windows系统中最常见的一种音频。该格式的实质就是在PCM文件的前面加了一个文件头。本程序的函数就可以通过在PCM文件前面加一个WAVE文件头从而封装为WAVE格式音频。函数的代码如下所示。

[cpp] view plain copy
 
  1. /** 
  2.  * Convert PCM16LE raw data to WAVE format 
  3.  * @param pcmpath      Input PCM file. 
  4.  * @param channels     Channel number of PCM file. 
  5.  * @param sample_rate  Sample rate of PCM file. 
  6.  * @param wavepath     Output WAVE file. 
  7.  */  
  8. int simplest_pcm16le_to_wave(const char *pcmpath,int channels,int sample_rate,const char *wavepath)  
  9. {  
  10.   
  11.     typedef struct WAVE_HEADER{    
  12.         char         fccID[4];          
  13.         unsigned   long    dwSize;              
  14.         char         fccType[4];      
  15.     }WAVE_HEADER;    
  16.   
  17.     typedef struct WAVE_FMT{    
  18.         char         fccID[4];          
  19.         unsigned   long       dwSize;              
  20.         unsigned   short     wFormatTag;      
  21.         unsigned   short     wChannels;    
  22.         unsigned   long       dwSamplesPerSec;    
  23.         unsigned   long       dwAvgBytesPerSec;    
  24.         unsigned   short     wBlockAlign;    
  25.         unsigned   short     uiBitsPerSample;    
  26.     }WAVE_FMT;    
  27.   
  28.     typedef struct WAVE_DATA{    
  29.         char       fccID[4];            
  30.         unsigned long dwSize;                
  31.     }WAVE_DATA;    
  32.   
  33.   
  34.     if(channels==0||sample_rate==0){  
  35.     channels = 2;  
  36.     sample_rate = 44100;  
  37.     }  
  38.     int bits = 16;  
  39.   
  40.     WAVE_HEADER   pcmHEADER;    
  41.     WAVE_FMT   pcmFMT;    
  42.     WAVE_DATA   pcmDATA;    
  43.    
  44.     unsigned   short   m_pcmData;  
  45.     FILE   *fp,*fpout;    
  46.   
  47.     fp=fopen(pcmpath, "rb");  
  48.     if(fp == NULL) {    
  49.         printf("open pcm file error\n");  
  50.         return -1;    
  51.     }  
  52.     fpout=fopen(wavepath,   "wb+");  
  53.     if(fpout == NULL) {      
  54.         printf("create wav file error\n");    
  55.         return -1;   
  56.     }          
  57.     //WAVE_HEADER  
  58.     memcpy(pcmHEADER.fccID,"RIFF",strlen("RIFF"));                      
  59.     memcpy(pcmHEADER.fccType,"WAVE",strlen("WAVE"));    
  60.     fseek(fpout,sizeof(WAVE_HEADER),1);   
  61.     //WAVE_FMT  
  62.     pcmFMT.dwSamplesPerSec=sample_rate;    
  63.     pcmFMT.dwAvgBytesPerSec=pcmFMT.dwSamplesPerSec*sizeof(m_pcmData);    
  64.     pcmFMT.uiBitsPerSample=bits;  
  65.     memcpy(pcmFMT.fccID,"fmt ",strlen("fmt "));    
  66.     pcmFMT.dwSize=16;    
  67.     pcmFMT.wBlockAlign=2;    
  68.     pcmFMT.wChannels=channels;    
  69.     pcmFMT.wFormatTag=1;    
  70.    
  71.     fwrite(&pcmFMT,sizeof(WAVE_FMT),1,fpout);   
  72.   
  73.     //WAVE_DATA;  
  74.     memcpy(pcmDATA.fccID,"data",strlen("data"));    
  75.     pcmDATA.dwSize=0;  
  76.     fseek(fpout,sizeof(WAVE_DATA),SEEK_CUR);  
  77.   
  78.     fread(&m_pcmData,sizeof(unsigned short),1,fp);  
  79.     while(!feof(fp)){    
  80.         pcmDATA.dwSize+=2;  
  81.         fwrite(&m_pcmData,sizeof(unsigned short),1,fpout);  
  82.         fread(&m_pcmData,sizeof(unsigned short),1,fp);  
  83.     }    
  84.   
  85.     pcmHEADER.dwSize=44+pcmDATA.dwSize;  
  86.   
  87.     rewind(fpout);  
  88.     fwrite(&pcmHEADER,sizeof(WAVE_HEADER),1,fpout);  
  89.     fseek(fpout,sizeof(WAVE_FMT),SEEK_CUR);  
  90.     fwrite(&pcmDATA,sizeof(WAVE_DATA),1,fpout);  
  91.       
  92.     fclose(fp);  
  93.     fclose(fpout);  
  94.   
  95.     return 0;  
  96. }  


调用上面函数的方法如下所示。

[cpp] view plain copy
 
  1. simplest_pcm16le_to_wave("NocturneNo2inEflat_44.1k_s16le.pcm",2,44100,"output_nocturne.wav");  


WAVE文件是一种RIFF格式的文件。其基本块名称是“WAVE”，其中包含了两个子块“fmt”和“data”。从编程的角度简单说来就是由WAVE_HEADER、WAVE_FMT、WAVE_DATA、采样数据共4个部分组成。它的结构如下所示。

WAVE_HEADER

WAVE_FMT

WAVE_DATA

PCM数据


其中前3部分的结构如下所示。在写入WAVE文件头的时候给其中的每个字段赋上合适的值就可以了。但是有一点需要注意：WAVE_HEADER和WAVE_DATA中包含了一个文件长度信息的dwSize字段，该字段的值必须在写入完音频采样数据之后才能获得。因此这两个结构体最后才写入WAVE文件中。

[cpp] view plain copy
 
  1. typedef struct WAVE_HEADER{  
  2.     char fccID[4];  
  3.     unsigned long dwSize;  
  4.     char fccType[4];  
  5. }WAVE_HEADER;  
  6.   
  7. typedef struct WAVE_FMT{  
  8.     char  fccID[4];  
  9.     unsigned long dwSize;  
  10.     unsigned short wFormatTag;  
  11.     unsigned short wChannels;  
  12.     unsigned long dwSamplesPerSec;  
  13.     unsigned long dwAvgBytesPerSec;  
  14.     unsigned short wBlockAlign;  
  15.     unsigned short uiBitsPerSample;  
  16. }WAVE_FMT;  
  17.   
  18. typedef struct WAVE_DATA{  
  19.     char       fccID[4];  
  20.     unsigned long dwSize;  
  21. }WAVE_DATA;  


本程序的函数执行完成后，就可将NocturneNo2inEflat_44.1k_s16le.pcm文件封装成output_nocturne.wav文件。


下载


Simplest mediadata test

项目主页

SourceForge：https://sourceforge.net/projects/simplest-mediadata-test/

Github：https://github.com/leixiaohua1020/simplest_mediadata_test

开源中国：http://git.oschina.net/leixiaohua1020/simplest_mediadata_test

 

CSDN下载地址：http://download.csdn.net/detail/leixiaohua1020/9422409

 

本项目包含如下几种视音频数据解析示例：
 (1)像素数据处理程序。包含RGB和YUV像素格式处理的函数。
 (2)音频采样数据处理程序。包含PCM音频采样格式处理的函数。
 (3)H.264码流分析程序。可以分离并解析NALU。
 (4)AAC码流分析程序。可以分离并解析ADTS帧。
 (5)FLV封装格式分析程序。可以将FLV中的MP3音频码流分离出来。

 (6)UDP-RTP协议分析程序。可以将分析UDP/RTP/MPEG-TS数据包。

posted on 2018-03-29 16:16  怀想天空2013  阅读(1983)  评论(0)  编辑  收藏  举报

导航