WAV文件读取

WAV是一种以RIFF为基础的无压缩音频编码格式，该格式以Header、Format Chunk及Data Chunk三部分构成。

本文简要解析了各部分的构成要素，概述了如何使用C++对文件头进行解析以及提取音频数据。

上图展示了WAV文件格式，包括每一field的大小与端序

Header

• ChunkID： 4字节大端序。文件从此处开始，对于WAV或AVI文件，其值总为“RIFF”。
• ChunkSize： 4字节小端序。表示文件总字节数减8，减去的8字节表示ChunkID与ChunkSize本身所占字节数。
• Format： 4字节大端序。对于WAV文件，其值总为“WAVE”

Format Chunk

• Subchunk1ID： 4字节大端序。其值总为“fmt ”，表示Format Chunk从此处开始。
• Subchunk1Size： 4字节小端序。表示Format Chunk的总字节数减8。
• AudioFormat： 2字节小端序。对于WAV文件，其值总为1。
• NumChannels： 2字节小端序。表示总声道个数。
• SampleRate： 4字节小端序。表示在每个通道上每秒包含多少帧。
• ByteRate： 4字节小端序。大小等于SampleRate * BlockAlign，表示每秒共包含多少字节。
• BlockAlign： 2字节小端序。大小等于NumChannels * BitsPerSample / 8， 表示每帧的多通道总字节数。
• BitsPerSample： 2字节小端序。表示每帧包含多少比特。

Data Chunk

• Subchunk2ID： 4字节大端序。其值总为“data”，表示Data Chunk从此处开始。
• Subchunk2Size： 4字节小端序。表示data的总字节数。
• data： 小端序。表示音频波形的帧数据，各声道按帧交叉排列。

使用C++解析WAV文件

文件头结构

定义结构体WaveHeader来保存WAV文件头，即Header、Format Chunk及Data Chunk的非data部分，此外在该结构体中添加了num_frame字段，用来保存文件总帧数，由于Header、Format Chunk与Data Chunk之间可能有其他说明信息，所以还添加了start_pos字段用来保存真正的data开始的位置。

typedef struct WaveHeader {
    char chunk_id[4] = { 0 };
    unsigned int chunk_size = 0;
    char format[4] = { 0 };
    char fmt_chunk_id[4] = { 0 };
    unsigned int fmt_chunk_size = 0;
    unsigned short audio_fomat = 0;
    unsigned short num_channels = 0;
    unsigned int sample_rate = 0;
    unsigned int byte_rate = 0;
    unsigned short block_align = 0;
    unsigned short bits_per_sample = 0;
    char data_chunk_id[4] = { 0 };
    unsigned int data_chunk_size = 0;
    int num_frame = 0;
    int start_pos = 0;
};

提取文件头

/*
* fname： 文件路径
* wh： 用来保存文件头的结构体实例
*/
void getHead(string fname, WaveHeader &wh) {

    /*
    *由于事先并不知道文件大小，故定义足量大小的char数组覆盖文件头
    *之后可根据提取到的ChunkSize来定义提取音频数据用的数组
    */
    const int HEAD_LENGTH = 256 * 1024;//256kb
    char buf[HEAD_LENGTH];


    FILE *stream;
    freopen_s(&stream, fname.c_str(), "rb", stderr);
    fread(buf, 1, HEAD_LENGTH, stream);
    

    //记录文件读取位置
    int pos = 0;


    //寻找“RIFF”标记
    while (pos < HEAD_LENGTH) {
        if (buf[pos] == 'R'&&buf[pos + 1] == 'I'&&buf[pos + 2] == 'F'&buf[pos + 3] == 'F') {
            wh.chunk_id[0] = 'R';
            wh.chunk_id[1] = 'I';
            wh.chunk_id[2] = 'F';
            wh.chunk_id[3] = 'F';
            pos += 4;
            break;
        }
        ++pos;
    }

    //读取Header部分
    wh.chunk_size = *(int *)&buf[pos];
    pos += 4;
    wh.format[0] = buf[pos];
    wh.format[1] = buf[pos + 1];
    wh.format[2] = buf[pos + 2];
    wh.format[3] = buf[pos + 3];
    pos += 4;


    //寻找“fmt”标记
    while (pos < HEAD_LENGTH) {
        if (buf[pos] == 'f'&&buf[pos + 1] == 'm'&&buf[pos + 2] == 't') {
            wh.fmt_chunk_id[0] = 'f';
            wh.fmt_chunk_id[1] = 'm';
            wh.fmt_chunk_id[2] = 't';
            pos += 4;
            break;
        }
        ++pos;
    }

    //读取Format Chunk部分
    wh.fmt_chunk_size = *(int *)&buf[pos];
    pos += 4;
    wh.audio_fomat = *(short *)&buf[pos];
    pos += 2;
    wh.num_channels = *(short *)&buf[pos];
    pos += 2;
    wh.sample_rate = *(int *)&buf[pos];
    pos += 4;
    wh.byte_rate = *(int *)&buf[pos];
    pos += 4;
    wh.block_align = *(short *)&buf[pos];
    pos += 2;
    wh.bits_per_sample = *(short *)&buf[pos];
    pos += 2;


    //寻找“data”标记
    while (pos < HEAD_LENGTH) {
        if (buf[pos] == 'd'&&buf[pos + 1] == 'a'&&buf[pos + 2] == 't'&buf[pos + 3] == 'a') {
            wh.data_chunk_id[0] = 'd';
            wh.data_chunk_id[1] = 'a';
            wh.data_chunk_id[2] = 't';
            wh.data_chunk_id[3] = 'a';
            pos += 4;
            break;
        }
        ++pos;
    }

    //读取Data Chunk的非data部分
    wh.data_chunk_size = *(int *)&buf[pos];
    pos += 4;

    //记录真正音频数据的开始位置
    wh.start_pos = pos;

    //计算文件总帧数
    wh.num_frame = wh.data_chunk_size / (wh.num_channels*(wh.bits_per_sample / 8));
}

提取波形数据(data)

/*
* fname： 文件路径
* wh： 对应的文件头结构体实例
*/
void getData(string fname, WaveHeader &wh){

    //记录文件读取位置
    int pos = wh.start_pos;


    //为加快处理速度，根据ChunkSize将文件一次读入内存
    FILE *stream;
    freopen_s(&stream, fname.c_str(), "rb", stderr);
    char* file_data = new char[wh.chunk_size + 8];
    fread(file_data, 1, wh.chunk_size + 8, stream);


    //以每帧2字节为例
    short left_data;
    short right_data;

    while(pos < wh.start_pos + wh.data_chunk_size){
        left_data = *(short*)&file_data[pos];
        //TODO: 处理左声道数据
        pos += 2；

        right_data = *(short*)&file_data[pos];
        //TODO: 处理右声道数据
        pos += 2;
    }
}

• 还没有人评论，欢迎说说您的想法！

相关课程

英特尔® OpenVINO™工具套件初级课程

293805 0元 限免

英特尔 OpenCV 初级认证课程

7970 0元 限免

基于 OpenVINO™ 的 AI 视觉应用进阶课

42121 0元 限免