(附)用JAVA编写MP3解码器——GUI
以下代码是开源(GPL)程序jmp123的一部分。
(一)简单的GUI
- 在jmp123.jar所在目录为当前目录启动jmp123.jar，启动时自动加载default.m3u、bk1.jpg、bk2.jpg；
- 为方便测试MP3解码器，简体中文环境时播放器有网络搜索MP3功能，出于对某MP3网站的尊重，源代码中未附上搜索功能的源代码，请谅解。请勿对程序反相查看源代码，请自觉遵守:)
(二)解码速度测试 完全解码但不播放输出：
java -cp jmp123.jar jmp123.test.Test1 <MP3文件名>
这个纯JAVA解码器的速度是很快的。即将放出的下一个版本0.2采用帧间并行运算针对 多核心的CPU 运行优化 。
(三)频谱显示
1.捕获音频输出
将音乐可视化首先要获取音乐数据，可以从音频输出捕获PCM数据。如果频谱显示是内置在音频解码器中，这一步就可以省略，取而代之的是直接从解码器复制PCM数据，这样占用的资源少而且速度快。
/*
* WaveIn.java
* 捕获音频输出
*/
import javax.sound.sampled.AudioFormat;
import javax.sound.sampled.AudioSystem;
import javax.sound.sampled.DataLine;
import javax.sound.sampled.TargetDataLine;
public class WaveIn {
private AudioFormat af;
private DataLine.Info dli;
private TargetDataLine tdl;
/**
* 打开音频目标数据行。从中读取音频数据格式为：采样率32kHz，每个样本16位，单声道，有符号的，little-endian。
* @return 成功打开返回true，否则false。
*/
public boolean open() {
af = new AudioFormat(32000, 16, 1, true, false);
dli = new DataLine.Info(TargetDataLine.class, af);
try {
tdl = (TargetDataLine) AudioSystem.getLine(dli);
tdl.open(af, FFT.FFT_N << 1);
} catch (Exception e) {
e.printStackTrace();
return false;
}
return true;
}
public void close() {
tdl.close();
}
public void start() {
tdl.start();
}
public void stop() {
tdl.stop();
}
public int read(byte[] b, int len) {
return tdl.read(b, 0, len);
}
private double phase0 = 0;
/**
* 产生频率264Hz，采样率为44.1kHz，幅值为0x7fff，每个样本16位的PCM。
* @param b 接收PCM样本。
* @param len PCM样本字节数。
*/
public void getWave264(byte[] b, int len) {
double dt = 2 * 3.14159265358979323846 * 264 / 44100;
int i, pcmi;
len >>= 1;
for (i = 0; i < len; i++) {
pcmi = (short) (0x7fff * Math.sin(i * dt + phase0));
b[2 * i] = (byte) pcmi;
b[2 * i + 1] = (byte) (pcmi >>> 8);
}
phase0 += i * dt;
}
}
2.将时域PCM数据变换到频域
用FFT完成PCM数据从 时域 到频域 的变换，这本是本文技术含量最高的活儿，想必大家对FFT都很熟悉了吧，对FFT方法本身就不多说了。
时域PCM数据是16位的short类型，取值范围是-32768..32767。对于频谱显示用512点FFT就足够了，我们知道音频数据的截止频率是由其采样率决定的，如果采样率为32kHz， 截止频率为16kHz。可以计算出FFT后频率间隔为16*1024/(512/2)=64Hz，即经过FFT后下文源代码中realIO得到256个值：realIO[i]是64*i至64*(i+1)Hz频率范围内的“幅值”（这里不是真正的幅值，是复数模的平方再乘以512，如果要得到幅值，需要开方后再除以512）。
为了减少不必要的浮点运算，这里淘汰了“幅值”较小的输出，直接将它的值置零。依据的原理是：如果FFT后得到的复数的模太小，除以512后取整为零，干脆先将这样的值置零。
/*
* FFT.java
* 用于频谱显示的快速傅里叶变换
* http://jmp123.sf.net/
*/
public class FFT {
public static final int FFT_N_LOG = 9; // FFT_N_LOG <= 13
public static final int FFT_N = 1 << FFT_N_LOG;
private static final float MINY = (float) ((FFT_N << 2) * Math.sqrt(2)); //(*)
private float[] real, imag, sintable, costable;
private int[] bitReverse;
public FFT() {
real = new float[FFT_N];
imag = new float[FFT_N];
sintable = new float[FFT_N >> 1];
costable = new float[FFT_N >> 1];
bitReverse = new int[FFT_N];
int i, j, k, reve;
for (i = 0; i < FFT_N; i++) {
k = i;
for (j = 0, reve = 0; j != FFT_N_LOG; j++) {
reve <<= 1;
reve |= (k & 1);
k >>>= 1;
}
bitReverse[i] = reve;
}
double theta, dt = 2 * 3.14159265358979323846 / FFT_N;
for (i = 0; i < (FFT_N >> 1); i++) {
theta = i * dt;
costable[i] = (float) Math.cos(theta);
sintable[i] = (float) Math.sin(theta);
}
}
/**
* 用于频谱显示的快速傅里叶变换
* @param realIO 输入FFT_N个实数，也用它暂存fft后的FFT_N/2个输出值(复数模的平方)。
*/
public void calculate(float[] realIO) {
int i, j, k, ir, exchanges = 1, idx = FFT_N_LOG - 1;
float cosv, sinv, tmpr, tmpi;
for (i = 0; i != FFT_N; i++) {
real[i] = realIO[bitReverse[i]];
imag[i] = 0;
}
for (i = FFT_N_LOG; i != 0; i--) {
for (j = 0; j != exchanges; j++) {
cosv = costable[j << idx];
sinv = sintable[j << idx];
for (k = j; k < FFT_N; k += exchanges << 1) {
ir = k + exchanges;
tmpr = cosv * real[ir] - sinv * imag[ir];
tmpi = cosv * imag[ir] + sinv * real[ir];
real[ir] = real[k] - tmpr;
imag[ir] = imag[k] - tmpi;
real[k] += tmpr;
imag[k] += tmpi;
}
}
exchanges <<= 1;
idx--;
}
j = FFT_N >> 1;
/*
* 输出模的平方(的FFT_N倍):
* for(i = 1; i <= j; i++)
* realIO[i-1] = real[i] * real[i] + imag[i] * imag[i];
*
* 如果FFT只用于频谱显示,可以"淘汰"幅值较小的而减少浮点乘法运算. MINY的值
* 和Spectrum.Y0,Spectrum.logY0对应.
*/
sinv = MINY;
cosv = -MINY;
for (i = j; i != 0; i--) {
tmpr = real[i];
tmpi = imag[i];
if (tmpr > cosv && tmpr < sinv && tmpi > cosv && tmpi < sinv)
realIO[i - 1] = 0;
else
realIO[i - 1] = tmpr * tmpr + tmpi * tmpi;
}
}
}
3.频谱显示
(1).频段量化。512点FFT的输出为线性的，即0到音频截止频率（例如16kHz）等分为256个频段，频谱显示时至多可以显示256段。其实我们用不着显示这么多段，32段足矣，这里采用64段。研究表明人耳对频率的感知不是线性的，即频率升高一倍我们感知到的不是一倍，所以这里将256个频段非线性对应到64个频段内。这里采用指数方式作非线性划分，为什么用指数方式不用别的呢？我也不太清楚，我记得书上大概是这么说的吧。想想也合理，人耳朵对低频的感知较为不灵敏，所以一些音响对低频段作了提升，使得低频的能量远高于高频段，我们离音响比较远的时候，只听见低频段的声音，不是因为低频段的穿透性强，重要原因是其幅值大。频段量化见Spectrum的setPlot方法。
(2).音频数据抽取。频谱显示看起来是“实时”显示的，其实怎么可能呢？一是我们只是作了512点FFT（16kHz时频率分辨率为64Hz，比较粗略）；二是显示的时候每秒显示10多帧就足够了，即使每秒显示100帧以上，我们看得过来吗？所以我们只需要对音频数据间隔一段时间抽取一些出来分析、显示，这用Spectrum的run方法里的延时语句实现。解释一下run方法里的这一语句：
realIO[i] = (b[j + 1] << 8) | (b[j] & 0xff);
从混音器捕获到的数据是byte类型，需要转换为PCM的16位符号整数，高字节b[j+1]的符号确定了PCM数据的符号。JAVA的数据类型转换那是相当的麻烦，好在频谱显示不是真正意义上的“实时”的，所以尽管要进行FFT等这样大量运算，采用延时一段时间抽取数据出来分析使得整体的运算量不大。
(3).绘制“频率-幅值”直方图。采用内存作图，绘制好一帧后刷到屏幕上去。 直方图中柱体的长度代表该频段的幅值，这个幅值用对数量化，据说人耳朵对音频幅值(能量)的感知也是非线性的，呈对数函数特性的非线性。另外，本来应该对高频段的柱体长度作等响度修正，这样呈现在屏幕上的频谱直方图看起来才符合我们感知到的音乐，可是等响度修正系数没找到免费的供我们用用，人家申请得有专利，要￥或＄或那个什么来着，那就算啦。
(4).对经过FFT后得到的频域数据作怎样的处理使它呈现到屏幕上，并无定势，以上只是我的一个方法，你可以根据自己的喜好修改。
/*
* Spectrum.java
* 频谱显示
* http://jmp123.sf.net/
*/
import java.awt.Color;
import java.awt.Dimension;
import java.awt.GradientPaint;
import java.awt.Graphics;
import java.awt.Graphics2D;
import java.awt.image.BufferedImage;
import javax.swing.JComponent;
public class Spectrum extends JComponent implements Runnable {
private static final long serialVersionUID = 1L;
private static final int maxColums = 128;
private static final int Y0 = 1 << ((FFT.FFT_N_LOG + 3) << 1);
private static final double logY0 = Math.log10(Y0); //lg((8*FFT_N)^2)
private int band;
private int width, height;
private int[] xplot, lastPeak, lastY;
private int deltax;
private long lastTimeMillis;
private BufferedImage spectrumImage, barImage;
private Graphics spectrumGraphics;
private boolean isAlive;
public Spectrum() {
isAlive = true;
band = 64; //64段
width = 383; //频谱窗口 383x124
height = 124;
lastTimeMillis = System.currentTimeMillis();
xplot = new int[maxColums + 1];
lastPeak = new int[maxColums];
lastY = new int[maxColums];
spectrumImage = new BufferedImage(width, height, BufferedImage.TYPE_3BYTE_BGR);
spectrumGraphics = spectrumImage.getGraphics();
setPreferredSize(new Dimension(width, height));
setPlot();
barImage = new BufferedImage(deltax - 1, height, BufferedImage.TYPE_3BYTE_BGR);
setColor(0x7f7f7f, 0xff0000, 0xffff00, 0x7f7fff);
}
public void setColor(int rgbPeak, int rgbTop, int rgbMid, int rgbBot) {
Color crPeak = new Color(rgbPeak);
spectrumGraphics.setColor(crPeak);
spectrumGraphics.setColor(Color.gray);
Graphics2D g = (Graphics2D)barImage.getGraphics();
Color crTop = new Color(rgbTop);
Color crMid = new Color(rgbMid);
Color crBot = new Color(rgbBot);
GradientPaint gp1 = new GradientPaint(0, 0, crTop,deltax - 1,height/2,crMid);
g.setPaint(gp1);
g.fillRect(0, 0, deltax - 1, height/2);
GradientPaint gp2 = new GradientPaint(0, height/2, crMid,deltax - 1,height,crBot);
g.setPaint(gp2);
g.fillRect(0, height/2, deltax - 1, height);
gp1 = gp2 = null;
crPeak = crTop = crMid = crBot = null;
}
private void setPlot() {
deltax = (width - band + 1) / band + 1;
// 0-16kHz分划为band个频段，各频段宽度非线性划分。
for (int i = 0; i <= band; i++) {
xplot[i] = 0;
xplot[i] = (int) (0.5 + Math.pow(FFT.FFT_N >> 1, (double) i / band));
if (i > 0 && xplot[i] <= xplot[i - 1])
xplot[i] = xplot[i - 1] + 1;
}
}
/**
* 绘制"频率-幅值"直方图并显示到屏幕。
* @param amp amp[0..FFT.FFT_N/2-1]为频谱"幅值"(用复数模的平方)。
*/
private void drawHistogram(float[] amp) {
spectrumGraphics.clearRect(0, 0, width, height);
long t = System.currentTimeMillis();
int speed = (int)(t - lastTimeMillis) / 30; //峰值下落速度
lastTimeMillis = t;
int i = 0, x = 0, y, xi, peaki, w = deltax - 1;
float maxAmp;
for (; i != band; i++, x += deltax) {
// 查找当前频段的最大"幅值"
maxAmp = 0; xi = xplot[i]; y = xplot[i + 1];
for (; xi < y; xi++) {
if (amp[xi] > maxAmp)
maxAmp = amp[xi];
}
/*
* maxAmp转换为用对数表示的"分贝数"y:
* y = (int) Math.sqrt(maxAmp);
* y /= FFT.FFT_N; //幅值
* y /= 8; //调整
* if(y > 0) y = (int)(Math.log10(y) * 20 * 2);
*
* 为了突出幅值y显示时强弱的"对比度"，计算时作了调整。未作等响度修正。
*/
y = (maxAmp > Y0) ? (int) ((Math.log10(maxAmp) - logY0) * 20) : 0;
// 使幅值匀速度下落
lastY[i] -= speed << 2;
if(y < lastY[i]) {
y = lastY[i];
if(y < 0) y = 0;
}
lastY[i] = y;
if(y >= lastPeak[i]) {
lastPeak[i] = y;
} else {
// 使峰值匀速度下落
peaki = lastPeak[i] - speed;
if(peaki < 0)
peaki = 0;
lastPeak[i] = peaki;
peaki = height - peaki;
spectrumGraphics.drawLine(x, peaki, x + w - 1, peaki);
}
// 画当前频段的直方图
y = height - y;
spectrumGraphics.drawImage(barImage, x, y, x+w, height, 0, y, w, height, null);
}
// 刷新到屏幕
repaint(0, 0, width, height);
}
public void paintComponent(Graphics g) {
g.drawImage(spectrumImage, 0, 0, null);
}
public void run() {
WaveIn wi = new WaveIn();
wi.open();
wi.start();
FFT fft = new FFT();
byte[] b = new byte[FFT.FFT_N << 1];
float realIO[] = new float[FFT.FFT_N];
int i, j;
try {
while (isAlive) {
Thread.sleep(80);// 延时不准确,这不重要
// 从混音器录制数据并转换为short类型的PCM
wi.read(b, FFT.FFT_N << 1);
//wi.getWave264(b, FFT.FFT_N << 1);//debug
for (i = j = 0; i != FFT.FFT_N; i++, j += 2)
realIO[i] = (b[j + 1] << 8) | (b[j] & 0xff); //signed short
// 时域PCM数据变换到频域,取回频域幅值
fft.calculate(realIO);
// 绘制
drawHistogram(realIO);
}
wi.close();
} catch (InterruptedException e) {
// e.printStackTrace();
}
}
public void stop() {
isAlive = false;
}
}
4.测试
你坐得这么直看了这么久，不demo一下下，说不过去。
import javax.swing.JFrame;
public class SpectrumTest {
public static void main(String[] args) {
JFrame frame = new JFrame();
final Spectrum spec = new Spectrum();
frame.getContentPane().add(spec);
frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
frame.setTitle("Audio Spectrum");
frame.setResizable(false);
frame.pack();
//frame.setAlwaysOnTop(true);
frame.setVisible(true);
//com.sun.awt.AWTUtilities.setWindowOpacity(frame, 0.8f);
new Thread(spec).start();
}
}
5.其它
(1 ).WaveIn要从混音器的“立体声混音器”获取音频数据，要打开音频属性调节->录音->选择 立体声混音器，并将 立体声混音器的音量推到最大。调节不来的喊我，顺便蹭顿饭吃吃:)
(2).以上代码实现了从音频输出捕获数据并显示其频谱直方图，直接从音频输出捕获数据的优点是与程序其它模块之间没有依赖性，缺点是资源占用较大，效率较低。内置在解码器里的频谱显示使程序模块之间耦合性增大，但运行效率高。我写了一个播放器，内置了频谱显示。下载地址：