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。

/** * 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。

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