WAVE和JPEG中媒体的压缩/存储方法，第1部分

你好 我的第一系列文章将致力于研究压缩和存储图像/声音的方法，例如JPEG（图像）和WAVE（声音），并且还将包括在实践中使用这些格式（.jpg，.wav）的程序的示例。 在这一部分中，我们将考虑WAVE。

故事

WAVE（波形音频文件格式）是用于存储音频流记录的容器文件格式。 该容器通常用于存储脉冲编码调制中的未压缩声音。 （改编自维基百科）

它是由Microsoft和IBM（当时的领先IT公司）于1991年与RIFF一起发明和出版的。

档案结构

该文件具有标题部分，即数据本身，但是没有页脚。 标题共重44个字节。
标题包含样本中位数，除频频率，声音深度等的设置。 声卡所需的信息。 （所有数字表值必须以Little-Endian顺序编写）

WAVE示例

上表可以很容易地转换为C结构，但是今天我们的语言是Python。 使用电波最简单的方法是产生噪声。 对于此任务，我们不需要较高的byteRate和压缩率。
首先，我们导入必要的模块：

# WAV.py from struct import pack #  py-     C from os import urandom #    /dev/urandom,  windows: # from random import randint # urandom = lambda sz: bytes([randint(0, 255) for _ in range(sz)]) #   windows, .. urandom'    from sys import argv, exit #      if len(argv) != 3: # +1   (-1,   ) print('Usage: python3 WAV.py [num of samples] [output]') exit(1) 

接下来，我们需要根据表的大小创建所有必需的变量。 其中的变量值仅取决于numSamples（样本数）。 数量越多，我们的噪音就会越长。

 numSamples = int(argv[1]) output_path = argv[2] chunkId = b'RIFF' Format = b'WAVE' subchunk1ID = b'fmt ' subchunk1Size = b'\x10\x00\x00\x00' # 0d16 audioFormat = b'\x01\x00' numChannels = b'\x02\x00' # 2-    () sampleRate = pack('<L', 1000) # 1000 ,    ,     .  1000-  ,   bitsPerSample = b'\x20\x00' # 0d32 byteRate = pack('<L', 1000 * 2 * 4) # sampleRate * numChannels * bitsPerSample / 8 (32 bit sound) blockAlign = b'\x08\x00' # numChannels * BPS / 8 subchunk2ID = b'data' subchunk2Size = pack('<L', numSamples * 2 * 4) # * numChannels * BPS / 8 chunkSize = pack('<L', 36 + numSamples * 2 * 4) # 36 + subchunk2Size data = urandom(1000 * 2 * 4 * numSamples) #   

仅按照必要的顺序（如表中所示）编写它们：

 with open(output_path, 'wb') as fh: fh.write(chunkId + chunkSize + Format + subchunk1ID + subchunk1Size + audioFormat + numChannels + sampleRate + byteRate + blockAlign + bitsPerSample + subchunk2ID + subchunk2Size + data) #  

这样就完成了。 要使用脚本，我们需要添加必要的命令行参数：
python3 WAV.py [num of samples] [output]
样本数-计数 样本
输出-输出文件的路径

这是一个带有噪音的测试音频文件的链接，但是为了节省内存，我将BPS降低为1b / s，并将通道数降低为1（使用64kbs的32位未压缩立体声音频流，我们得到了80M的干净.wav文件，只有10个）： https：// /instaud.io/3Dcy

整个代码（WAV.py）（该代码具有许多重复的变量值，这只是一个草图）：

 from struct import pack #  py-     C from os import urandom #    /dev/urandom,  windows: # from random import randint # urandom = lambda sz: bytes([randint(0, 255) for _ in range(sz)]) #   windows, .. urandom'    from sys import argv, exit #      if len(argv) != 3: # +1   (-1,   ) print('Usage: python3 WAV.py [num of samples] [output]') exit(1) numSamples = int(argv[1]) output_path = argv[2] chunkId = b'RIFF' Format = b'WAVE' subchunk1ID = b'fmt ' subchunk1Size = b'\x10\x00\x00\x00' # 0d16 audioFormat = b'\x01\x00' numChannels = b'\x02\x00' # 2-    () sampleRate = pack('<L', 1000) # 1000 ,    . bitsPerSample = b'\x20\x00' # 0d32 byteRate = pack('<L', 1000 * 2 * 4) # sampleRate * numChannels * bitsPerSample / 8 (32 bit sound) blockAlign = b'\x08\x00' # numChannels * BPS / 8 subchunk2ID = b'data' subchunk2Size = pack('<L', numSamples * 2 * 4) # * numChannels * BPS / 8 chunkSize = pack('<L', 36 + numSamples * 2 * 4) # 36 + subchunk2Size data = urandom(1000 * 2 * 4 * numSamples) #   with open(output_path, 'wb') as fh: fh.write(chunkId + chunkSize + Format + subchunk1ID + subchunk1Size + audioFormat + numChannels + sampleRate + byteRate + blockAlign + bitsPerSample + subchunk2ID + subchunk2Size + data) #     

总结

因此，您了解了更多有关数字声音及其存储方式的知识。 在本文中，我们没有使用压缩（audioFormat），但要阅读每篇热门文章，您将需要使用文章10。希望您自己学到了一些新知识，这对以后的发展会有所帮助。
谢谢你

资料来源

WAV文件结构
WAV-维基百科