视音频数据处理入门:PCM音频採样数据处理
=====================================================
视音频数据处理入门系列文章:
=====================================================
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音频採样数据的处理方法。音频採样数据在视频播放器的解码流程中的位置例如以下图所看到的。
分离PCM16LE双声道音频採样数据的左声道和右声道
将PCM16LE双声道音频採样数据中左声道的音量降一半
将PCM16LE双声道音频採样数据的声音速度提高一倍
将PCM16LE双声道音频採样数据转换为PCM8音频採样数据
从PCM16LE单声道音频採样数据中截取一部分数据
将PCM16LE双声道音频採样数据转换为WAVE格式音频数据
注:PCM音频数据能够使用音频编辑软件导入查看。
比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双声道音频採样数据的左声道和右声道
本程序中的函数能够将PCM16LE双声道数据中左声道和右声道的数据分离成两个文件。函数的代码例如以下所看到的。/** * Split Left and Right channel of 16LE PCM file. * @param url Location of PCM file. * */ int simplest_pcm16le_split(char *url){ FILE *fp=fopen(url,"rb+"); FILE *fp1=fopen("output_l.pcm","wb+"); FILE *fp2=fopen("output_r.pcm","wb+"); unsigned char *sample=(unsigned char *)malloc(4); while(!feof(fp)){ fread(sample,1,4,fp); //L fwrite(sample,1,2,fp1); //R fwrite(sample+2,1,2,fp2); } free(sample); fclose(fp); fclose(fp1); fclose(fp2); return 0; }
调用上面函数的方法例如以下所看到的。
simplest_pcm16le_split("NocturneNo2inEflat_44.1k_s16le.pcm");
从代码能够看出,PCM16LE双声道数据中左声道和右声道的採样值是间隔存储的。每一个採样值占用2Byte空间。代码执行后,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。注:本文中声音样值的採样频率一律是44100Hz,採样格式一律为16LE。“16”代表採样位数是16bit。因为1Byte=8bit,所以一个声道的一个採样值占用2Byte。output_r.pcm:右声道数据。
“LE”代表Little Endian,代表2 Byte採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,以下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双声道音频採样数据中左声道的音量降一半
本程序中的函数能够将PCM16LE双声道数据中左声道的音量减少一半。函数的代码例如以下所看到的。/** * Halve volume of Left channel of 16LE PCM file * @param url Location of PCM file. */ int simplest_pcm16le_halfvolumeleft(char *url){ FILE *fp=fopen(url,"rb+"); FILE *fp1=fopen("output_halfleft.pcm","wb+"); int cnt=0; unsigned char *sample=(unsigned char *)malloc(4); while(!feof(fp)){ short *samplenum=NULL; fread(sample,1,4,fp); samplenum=(short *)sample; *samplenum=*samplenum/2; //L fwrite(sample,1,2,fp1); //R fwrite(sample+2,1,2,fp1); cnt++; } printf("Sample Cnt:%d\n",cnt); free(sample); fclose(fp); fclose(fp1); return 0; }
调用上面函数的方法例如以下所看到的。
simplest_pcm16le_halfvolumeleft("NocturneNo2inEflat_44.1k_s16le.pcm");
从源码能够看出,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文件里。下图为输入PCM双声道音频採样数据的波形图。
下图为输出的左声道经过处理后的波形图。能够看出左声道的波形幅度减少了一半。
(3)将PCM16LE双声道音频採样数据的声音速度提高一倍
本程序中的函数能够通过抽象的方式将PCM16LE双声道数据的速度提高一倍。函数的代码例如以下所看到的。/** * Re-sample to double the speed of 16LE PCM file * @param url Location of PCM file. */ int simplest_pcm16le_doublespeed(char *url){ FILE *fp=fopen(url,"rb+"); FILE *fp1=fopen("output_doublespeed.pcm","wb+"); int cnt=0; unsigned char *sample=(unsigned char *)malloc(4); while(!feof(fp)){ fread(sample,1,4,fp); if(cnt%2!=0){ //L fwrite(sample,1,2,fp1); //R fwrite(sample+2,1,2,fp1); } cnt++; } printf("Sample Cnt:%d\n",cnt); free(sample); fclose(fp); fclose(fp1); return 0; }
调用上面函数的方法例如以下所看到的。
simplest_pcm16le_doublespeed("NocturneNo2inEflat_44.1k_s16le.pcm");
从源码能够看出。本程序仅仅採样了每一个声道奇数点的样值。处理完毕后。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非常多。下图为输入PCM双声道音频採样数据的波形图。
下图为输出的PCM双声道音频採样数据的波形图。
通过时间轴能够看出音频变短了非常多。
(4)将PCM16LE双声道音频採样数据转换为PCM8音频採样数据
本程序中的函数能够通过计算的方式将PCM16LE双声道数据16bit的採样位数转换为8bit。
函数的代码例如以下所看到的。
/** * Convert PCM-16 data to PCM-8 data. * @param url Location of PCM file. */ int simplest_pcm16le_to_pcm8(char *url){ FILE *fp=fopen(url,"rb+"); FILE *fp1=fopen("output_8.pcm","wb+"); int cnt=0; unsigned char *sample=(unsigned char *)malloc(4); while(!feof(fp)){ short *samplenum16=NULL; char samplenum8=0; unsigned char samplenum8_u=0; fread(sample,1,4,fp); //(-32768-32767) samplenum16=(short *)sample; samplenum8=(*samplenum16)>>8; //(0-255) samplenum8_u=samplenum8+128; //L fwrite(&samplenum8_u,1,1,fp1); samplenum16=(short *)(sample+2); samplenum8=(*samplenum16)>>8; samplenum8_u=samplenum8+128; //R fwrite(&samplenum8_u,1,1,fp1); cnt++; } printf("Sample Cnt:%d\n",cnt); free(sample); fclose(fp); fclose(fp1); return 0; }
调用上面函数的方法例如以下所看到的。
simplest_pcm16le_to_pcm8("NocturneNo2inEflat_44.1k_s16le.pcm");
PCM16LE格式的採样数据的取值范围是-32768到32767。而PCM8格式的採样数据的取值范围是0到255。
所以PCM16LE转换到PCM8须要经过两个步骤: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採样数据是通过short类型变量存储的,而8bit採样数据是通过unsigned char类型存储的。
下图为输入的16bit的PCM双声道音频採样数据的波形图。
假设细致聆听声音的话。会发现8bit PCM的音质明显不如16 bit PCM的音质。
(5)将从PCM16LE单声道音频採样数据中截取一部分数据
本程序中的函数能够从PCM16LE单声道数据中截取一段数据。并输出截取数据的样值。函数的代码例如以下所看到的。/** * Cut a 16LE PCM single channel file. * @param url Location of PCM file. * @param start_num start point * @param dur_num how much point to cut */ int simplest_pcm16le_cut_singlechannel(char *url,int start_num,int dur_num){ FILE *fp=fopen(url,"rb+"); FILE *fp1=fopen("output_cut.pcm","wb+"); FILE *fp_stat=fopen("output_cut.txt","wb+"); unsigned char *sample=(unsigned char *)malloc(2); int cnt=0; while(!feof(fp)){ fread(sample,1,2,fp); if(cnt>start_num&&cnt<=(start_num+dur_num)){ fwrite(sample,1,2,fp1); short samplenum=sample[1]; samplenum=samplenum*256; samplenum=samplenum+sample[0]; fprintf(fp_stat,"%6d,",samplenum); if(cnt%10==0) fprintf(fp_stat,"\n",samplenum); } cnt++; } free(sample); fclose(fp); fclose(fp1); fclose(fp_stat); return 0; }
调用上面函数的方法例如以下所看到的。
simplest_pcm16le_cut_singlechannel("drum.pcm",2360,120);
本程序能够从PCM数据中选取一段採样值保存下来,而且输出这些採样值的数值。上述代码执行后,会把单声道PCM16LE格式的“drum.pcm”中从2360点開始的120点的数据保存成output_cut.pcm文件。
下图为“drum.pcm”的波形图。该音频採样频率为44100KHz,长度为0.5秒,一共包括约22050个採样点。
下图为截取出来的output_cut.pcm文件里的数据。
4460, 5192, 5956, 6680, 7199, 6706, 5727, 4481, 3261, 1993, 1264, 747, 767, 752, 1248, 1975, 2473, 2955, 2952, 2447, 974, -1267, -4000, -6965,-10210,-13414,-16639,-19363,-21329,-22541, -23028,-22545,-21055,-19067,-16829,-14859,-12596, -9900, -6684, -3475, -983, 1733, 3978, 5734, 6720, 6978, 6993, 7223, 7225, 7440, 7688, 8431, 8944, 9468, 9947, 10688, 11194, 11946, 12449, 12446, 12456, 11974, 11454, 10952, 10167, 9425, 8153, 6941, 5436, 3716, 1952, 236, -1254, -2463, -3493, -4223, -4695, -4927, -5190, -4941, -4188, -2956, -1490, -40, 705, 932, 446, -776, -2512, -3994, -5723, -7201, -8687,-10157,-11134,-11661,-11642,-11168,-10155, -9142, -7888, -7146, -6186, -5694, -4971, -4715, -4498, -4471, -4468, -4452, -4452, -3940, -2980, -1984, -752, 257, 1021, 1264, 1032, 31,
(6)将PCM16LE双声道音频採样数据转换为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。本程序的函数就能够通过在PCM文件前面加一个WAVE文件头从而封装为WAVE格式音频。函数的代码例如以下所看到的。/** * Convert PCM16LE raw data to WAVE format * @param pcmpath Input PCM file. * @param channels Channel number of PCM file. * @param sample_rate Sample rate of PCM file. * @param wavepath Output WAVE file. */ int simplest_pcm16le_to_wave(const char *pcmpath,int channels,int sample_rate,const char *wavepath) { typedef struct WAVE_HEADER{ char fccID[4]; unsigned long dwSize; char fccType[4]; }WAVE_HEADER; typedef struct WAVE_FMT{ char fccID[4]; unsigned long dwSize; unsigned short wFormatTag; unsigned short wChannels; unsigned long dwSamplesPerSec; unsigned long dwAvgBytesPerSec; unsigned short wBlockAlign; unsigned short uiBitsPerSample; }WAVE_FMT; typedef struct WAVE_DATA{ char fccID[4]; unsigned long dwSize; }WAVE_DATA; if(channels==0||sample_rate==0){ channels = 2; sample_rate = 44100; } int bits = 16; WAVE_HEADER pcmHEADER; WAVE_FMT pcmFMT; WAVE_DATA pcmDATA; unsigned short m_pcmData; FILE *fp,*fpout; fp=fopen(pcmpath, "rb"); if(fp == NULL) { printf("open pcm file error\n"); return -1; } fpout=fopen(wavepath, "wb+"); if(fpout == NULL) { printf("create wav file error\n"); return -1; } //WAVE_HEADER memcpy(pcmHEADER.fccID,"RIFF",strlen("RIFF")); memcpy(pcmHEADER.fccType,"WAVE",strlen("WAVE")); fseek(fpout,sizeof(WAVE_HEADER),1); //WAVE_FMT pcmFMT.dwSamplesPerSec=sample_rate; pcmFMT.dwAvgBytesPerSec=pcmFMT.dwSamplesPerSec*sizeof(m_pcmData); pcmFMT.uiBitsPerSample=bits; memcpy(pcmFMT.fccID,"fmt ",strlen("fmt ")); pcmFMT.dwSize=16; pcmFMT.wBlockAlign=2; pcmFMT.wChannels=channels; pcmFMT.wFormatTag=1; fwrite(&pcmFMT,sizeof(WAVE_FMT),1,fpout); //WAVE_DATA; memcpy(pcmDATA.fccID,"data",strlen("data")); pcmDATA.dwSize=0; fseek(fpout,sizeof(WAVE_DATA),SEEK_CUR); fread(&m_pcmData,sizeof(unsigned short),1,fp); while(!feof(fp)){ pcmDATA.dwSize+=2; fwrite(&m_pcmData,sizeof(unsigned short),1,fpout); fread(&m_pcmData,sizeof(unsigned short),1,fp); } pcmHEADER.dwSize=44+pcmDATA.dwSize; rewind(fpout); fwrite(&pcmHEADER,sizeof(WAVE_HEADER),1,fpout); fseek(fpout,sizeof(WAVE_FMT),SEEK_CUR); fwrite(&pcmDATA,sizeof(WAVE_DATA),1,fpout); fclose(fp); fclose(fpout); return 0; }
调用上面函数的方法例如以下所看到的。
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”,当中包括了两个子块“fmt”和“data”。从编程的角度简单说来就是由WAVE_HEADER、WAVE_FMT、WAVE_DATA、採样数据共4个部分组成。它的结构例如以下所看到的。
WAVE_HEADER |
WAVE_FMT |
WAVE_DATA |
PCM数据 |
当中前3部分的结构例如以下所看到的。在写入WAVE文件头的时候给当中的每一个字段赋上合适的值就能够了。
可是有一点须要注意:WAVE_HEADER和WAVE_DATA中包括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採样数据之后才干获得。
因此这两个结构体最后才写入WAVE文件里。
typedef struct WAVE_HEADER{ char fccID[4]; unsigned long dwSize; char fccType[4]; }WAVE_HEADER; typedef struct WAVE_FMT{ char fccID[4]; unsigned long dwSize; unsigned short wFormatTag; unsigned short wChannels; unsigned long dwSamplesPerSec; unsigned long dwAvgBytesPerSec; unsigned short wBlockAlign; unsigned short uiBitsPerSample; }WAVE_FMT; typedef struct WAVE_DATA{ char fccID[4]; unsigned long dwSize; }WAVE_DATA;
本程序的函数执行完毕后。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(1)像素数据处理程序。包括RGB和YUV像素格式处理的函数。
(2)音频採样数据处理程序。
包括PCM音频採样格式处理的函数。
(3)H.264码流分析程序。能够分离并解析NALU。
(4)AAC码流分析程序。能够分离并解析ADTS帧。
(5)FLV封装格式分析程序。能够将FLV中的MP3音频码流分离出来。
(6)UDP-RTP协议分析程序。
能够将分析UDP/RTP/MPEG-TS数据包。
雷霄骅 (Lei Xiaohua)
leixiaohua1020@126.com
http://blog.csdn.net/leixiaohua1020