C++标准库实现WAV文件读写
在上一篇文章RIFF和WAVE音频文件格式中对WAV的文件格式做了介绍，本文将使用标准C++库实现对数据为PCM格式的WAV文件的读写操作，只使用标准C++库函数，不依赖于其他的库。
WAV文件结构
WAV是符合RIFF标准的多媒体文件，其文件结构可以如下：
| WAV 文件结构 |
|---|
| RIFF块 |
| WAVE FOURCC |
| fmt 块 |
| fact 块（可选） |
| data块（包含PCM数据） |
首先是一个RIFF块，有块标识RIFF，指明该文件是符合RIFF标准的文件；接着是一个FourCC，WAVE，该文件为WAV文件；fmt块包含了音频的一些属性：采样率、码率、声道等；fact 块是一个可选块，不是PCM数据格式的需要该块；最后data块，则包含了音频的PCM数据。实际上，可以将一个WAV文件看着由两部分组成：文件头和PCM数据，则WAV文件头各字段的意义如下：
本文实现的是一个能够读取PCM数据格式的单声道或者双声道的WAV文件，是没有fact块以及扩展块。
结构体定义
通过上面的介绍发现，WAV的头文件所包含的内容有两种：RIFF文件格式标准中需要的数据和关于音频格式的信息。对于RIFF文件格式所需的信息，声明结构体如下：
// The basic chunk of RIFF file format
struct Base_chunk{
FOURCC fcc; // FourCC id
uint32_t cb_size; // 数据域的大小
Base_chunk(FOURCC fourcc)
: fcc(fourcc)
{
cb_size = 0;
}
};
chunk是RIFF文件的基本单元，首先一个4字节的标识FOURCC，用来指出该块的类型；cb_size则是改块数据域中数据的大小。
文件头中另一个信息则是音频的格式信息，实际上是frm chunk的数据域信息，其声明如下：
// Format chunk data field
struct Wave_format{
uint16_t format_tag; // WAVE的数据格式，PCM数据该值为1
uint16_t channels; // 声道数
uint32_t sample_per_sec; // 采样率
uint32_t bytes_per_sec; // 码率，channels * sample_per_sec * bits_per_sample / 8
uint16_t block_align; // 音频数据块，每次采样处理的数据大小，channels * bits_per_sample / 8
uint16_t bits_per_sample; // 量化位数，8、16、32等
uint16_t ex_size; // 扩展块的大小，附加块的大小
Wave_format()
{
format_tag = 1; // PCM format data
ex_size = 0; // don't use extesion field
channels = 0;
sample_per_sec = 0;
bytes_per_sec = 0;
block_align = 0;
bits_per_sample = 0;
}
Wave_format(uint16_t nb_channel, uint32_t sample_rate, uint16_t sample_bits)
:channels(nb_channel), sample_per_sec(sample_rate), bits_per_sample(sample_bits)
{
format_tag = 0x01; // PCM format data
bytes_per_sec = channels * sample_per_sec * bits_per_sample / 8; // 码率
block_align = channels * bits_per_sample / 8;
ex_size = 0; // don't use extension field
}
};
关于各个字段的信息，在上面图中有介绍，这里主要说明两个字段：
format_tag表示以何种数据格式存储音频的sample值，这里设置为0x01表示用PCM格式，非压缩格式，不需要fact块。ex_size表示的是扩展块的大小。有两种方法来设置不使用扩展块，一种是设置fmt中的size字段为16（无ex_size字段）；或者，有ex_size,设置其值为0.在本文中，使用第二种方法，设置ex_size的值为0，不使用扩展块。
有了上面两个结构体的定义，对于WAV的文件头，可以表示如下：
/*
数据格式为PCM的WAV文件头
--------------------------------
| Base_chunk | RIFF |
---------------------
| WAVE |
---------------------
| Base_chunk | fmt | Header
---------------------
| Wave_format| |
---------------------
| Base_chunk | data |
--------------------------------
*/
struct Wave_header{
shared_ptr<Base_chunk> riff;
FOURCC wave_fcc;
shared_ptr<Base_chunk> fmt;
shared_ptr<Wave_format> fmt_data;
shared_ptr<Base_chunk> data;
Wave_header(uint16_t nb_channel, uint32_t sample_rate, uint16_t sample_bits)
{
riff = make_shared<Base_chunk>(MakeFOURCC<'R', 'I', 'F', 'F'>::value);
fmt = make_shared<Base_chunk>(MakeFOURCC<'f', 'm', 't', ' '>::value);
fmt->cb_size = 18;
fmt_data = make_shared<Wave_format>(nb_channel, sample_rate, sample_bits);
data = make_shared<Base_chunk>(MakeFOURCC<'d', 'a', 't', 'a'>::value);
wave_fcc = MakeFOURCC<'W', 'A', 'V', 'E'>::value;
}
Wave_header()
{
riff = nullptr;
fmt = nullptr;
fmt_data = nullptr;
data = nullptr;
wave_fcc = 0;
}
};
在WAV的文件头中有三种chunk，分别为：RIFF,fmt,data，然后是音频的格式信息Wave_format。在RIFF chunk的后面是一个4字节非FOURCC：WAVE，表示该文件为WAV文件。另外，Wave_format的构造函数只需要三个参数：声道数、采样率和量化精度，关于音频的其他信息都可以使用这三个数值计算得到。注意，这里设置fmt chunk的size为18。
实现
有了上面结构体后，再对WAV文件进行读写就比较简单了。由于RIFF文件中使用FOURCC老标识chunk的类型，这里有两个FOURCC的实现方法：使用宏和使用模板，具体如下：
#define FOURCC uint32_t
#define MAKE_FOURCC(a,b,c,d) \
( ((uint32_t)d) | ( ((uint32_t)c) << 8 ) | ( ((uint32_t)b) << 16 ) | ( ((uint32_t)a) << 24 ) )
template <char ch0, char ch1, char ch2, char ch3> struct MakeFOURCC{ enum { value = (ch0 << 0) + (ch1 << 8) + (ch2 << 16) + (ch3 << 24) }; };
Write WAVE file
写WAV文件过程，首先是填充文件头信息，对于Wave_format只需要三个参数：声道数、采样率和量化精度，将文件头信息写入后，紧接这写入PCM数据就完成了WAV文件的写入。其过程如下：
Wave_header header(1, 48000, 16);
uint32_t length = header.fmt_data->sample_per_sec * 10 * header.fmt_data->bits_per_sample / 8;
uint8_t *data = new uint8_t[length];
memset(data, 0x80, length);
CWaveFile::write("e:\\test1.wav", header, data, length);
首先够着WAV文件头，然后写入文件即可。将数据写入的实现也比较简单，按照WAv的文件结构，依次将数据写入文件。在设置各个chunk的size值时要注意其不同的意义：
- RIFF chunk 的size表示的是其数据的大小，其包含各个chunk的大小以及PCM数据的长度。该值 + 8 就是整个WAV文件的大小。
- fmt chunk 的size是
Wave_format的大小，这里为18 - data chunk 的size 是写入的PCM数据的长度
Read WAVE file
知道了WAV的文件结构后，读取其数据就更为简单了。有一种直接的方法，按照PCM相对于文件起始的位置的偏移位置，直接读取PCM数据；或者是按照其文件结构依次读取信息，本文的将依次读取WAV文件的信息填充到相应的结构体中,其实现代码片段如下：
header = make_unique<Wave_header>();
// Read RIFF chunk
FOURCC fourcc;
ifs.read((char*)&fourcc, sizeof(FOURCC));
if (fourcc != MakeFOURCC<'R', 'I', 'F', 'F'>::value) // 判断是不是RIFF
return false;
Base_chunk riff_chunk(fourcc);
ifs.read((char*)&riff_chunk.cb_size, sizeof(uint32_t));
header->riff = make_shared<Base_chunk>(riff_chunk);
// Read WAVE FOURCC
ifs.read((char*)&fourcc, sizeof(FOURCC));
if (fourcc != MakeFOURCC<'W', 'A', 'V', 'E'>::value)
return false;
header->wave_fcc = fourcc;
...
实例
调用本文的实现，写入一个单声道，16位量化精度，采样率为48000Hz的10秒钟WAV文件，代码如下：
Wave_header header(1, 48000, 16);
uint32_t length = header.fmt_data->sample_per_sec * 10 * header.fmt_data->bits_per_sample / 8;
uint8_t *data = new uint8_t[length];
memset(data, 0x80, length);
CWaveFile::write("e:\\test1.wav", header, data, length);
这里将所有的sample按字节填充为0x80，以16进制打开该wav文件，结果如下：
可以参照上图给出的WAV文件头信息，看看各个字节的意义。音频的格式信息在FOURCC fmt后面
- 4字节 00000012 fmt数据的长度 18字节
- 2字节 0001 数据的存储格式为PCM
- 2字节 0001 声道个数
- 4字节 0000BB80 采样率 48000Hz
- 4字节 00017700 码率 96000bps
- 2字节 0002 数据块大小
- 2字节 0010 量化精度 16位
- 2字节 0000 扩展块的大小
- 4字节 FOURCC data
- 4字节 数据长度 0x000EA600
代码
最后将本文的代码封装在了类CWaveFile中，使用简单。
- 写WAV文件
Wave_header header(1, 48000, 16);
uint32_t length = header.fmt_data->sample_per_sec * 10 * header.fmt_data->bits_per_sample / 8;
uint8_t *data = new uint8_t[length];
memset(data, 0x80, length);
CWaveFile::write("e:\\test1.wav", header, data, length);
- 读取WAV文件
CWaveFile wave;
wave.read("e:\\test1.wav");
wave.data // PCM数据
源代码只有一个不到300行的cpp文件， CSDN下载
