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。

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)
leixiaohua1020@126.com http://blog.csdn.net/leixiaohua1020