视音频数据处理入门：PCM音频采样数据处理

其他 2018-06-23 05:13:31 阅读次数: 2

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

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。

/** 
 * 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如下所示。

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。

/** 
 * 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如下所示。
 
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。

/** 
 * 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如下所示。
 
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。

/** 
 * 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如下所示。

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。

/** 
 * 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如下所示。
 
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。

 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。

/** 
 * 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如下所示。

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。

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。


雷霄骅 (Lei Xiaohua)
[email protected]
http://blog.csdn.net/leixiaohua1020

猜你喜欢

转载自blog.csdn.net/liujiayu2/article/details/80706030
今日推荐
开放签电子签章：停止新增，优化体验，前进更进（五一假期前工作）
开源日报 | 中学生开源前端动画引擎；全球首个Llama3 8B中文版开源模型；联想电脑恐出局；Linus讽刺AI炒作
“百模大战”必有一战 | 2024中国“百模大战”竞争格局分析
最强开源大模型 Llama 3 上架 Gitee AI
虽然老乡鸡开源的不是代码，但背后的原因却让人很暖心
富文本编辑器 Quill 2.0 重磅发布，特性、可靠性与开发者体验大幅提升
周排行
使用Redis中间件解决商品秒杀活动中出现的超卖问题（使用Java多线程模拟高并发环境）
野指针及c++指针使用注意点
redis 3.0　新特性
(翻译)火狐操作系统javascript API
微信小程序开发入门
mysql数据查询之五子句(where、group by、having、order by和limit)
Codeforces Round #517 Div. 1翻车记
在caffe 中实现Generative Adversarial Nets（二）
企业级漏洞扫描工具
java byte数组与String互转
每日归档
更多
2024-04-23(26)
2024-04-22(39)
2024-04-21(0)
2024-04-20(6)
2024-04-19(5)
2024-04-18(0)
2024-04-17(5)
2024-04-16(70)
2024-04-15(42)
2024-04-14(0)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022