wav文件解析

前两天在公司做了个wav文件的播放器和波形显示的东东,回来之后忽然想起一直没有做过总结,趁现在还有空赶紧整理一下...

一.W***格式文件头

1.综述:

wav文件是由四个大块构成的,按照从前到后的顺序依次为RIFF W***E Chunk,Format Chunk,Fact Chunk(可选),Data Chunk.具体如下图所示:

------------------------------------------------

　　| RIFF W***E Chunk |

　　| ID = 'RIFF' |

　　| RiffType = 'W***E' |

------------------------------------------------

　　| Format Chunk |

　　| ID = 'fmt ' | (此处为四个字节,最后面一个是空格)

------------------------------------------------

| Fact Chunk(optional) |

　　| ID = 'fact' |

------------------------------------------------

　　| Data Chunk |

　　| ID = 'data' |

------------------------------------------------

除了Fact Chunk外,其他三个Chunk都是必须的,并且都有自己的ID,放在块的开始位置,后面紧跟的四个字节是本块所占的大小(出去ID和Size本身所占的四个字节),低字节表示地位,高字节表示高位...

2.详细介绍:

①RIFF W***E Chunk

　　==================================

　　| |所占字节数| 具体内容 |

　　==================================

　　| ID | 4 Bytes | 'RIFF' |

　　----------------------------------

　　| Size | 4 Bytes | |

　　----------------------------------

　　| Type | 4 Bytes | 'W***E' |

　　----------------------------------

以RIFF作为标识,后面紧跟size,该size的大小是整个W***E文件大小减去8个字节,然后是Type字段,为"W***E"表示是Wav文件,结构体定义如下:

struct RIFF_HEADER

{

　　char szRiffID[4]; // 'R','I','F','F'

　　DWORD dwRiffSize;

　　char szRiffFormat[4]; // 'W','A','V','E'

　　};

②Format Chunk

　　====================================================================

　　| | 字节数 | 具体内容 |

　　====================================================================

　　| ID | 4 Bytes | 'fmt ' |

　　--------------------------------------------------------------------

　　| Size | 4 Bytes | 数值为16或18，18则最后又附加信息 |

　　-------------------------------------------------------------------- ----

　　| FormatTag | 2 Bytes | 编码方式，一般为0x0001 | |

　　-------------------------------------------------------------------- |

　　| Channels | 2 Bytes | 声道数目，1--单声道；2--双声道 | |

　　-------------------------------------------------------------------- |

　　| SamplesPerSec | 4 Bytes | 采样频率 | |

　　-------------------------------------------------------------------- |

　　| AvgBytesPerSec| 4 Bytes | 每秒所需字节数 | |===> W***E_FORMAT

　　-------------------------------------------------------------------- |

　　| BlockAlign | 2 Bytes | 数据块对齐单位(每个采样需要的字节数) | |

　　-------------------------------------------------------------------- |

　　| BitsPerSample | 2 Bytes | 每个采样需要的bit数 | |

　　-------------------------------------------------------------------- |

　　| | 2 Bytes | 附加信息（可选，通过Size来判断有无） | |

　　-------------------------------------------------------------------- ----

以"fmt "作为标识,一般长度为16个字节,如果是18个字节则有附加信息,写在最后两个字节上,定义结构体如下:

struct W***E_FORMAT

　　{

　　WORD wFormatTag;

　　WORD wChannels;

　　DWORD dwSamplesPerSec;

　　DWORD dwAvgBytesPerSec;

　　WORD wBlockAlign;

　　WORD wBitsPerSample;

　　};

　　struct FMT_BLOCK

　　{

　　char szFmtID[4]; // 'f','m','t',' '

　　DWORD dwFmtSize;

　　W***E_FORMAT wavFormat;

　　};

③Fact Chunk(可选字段)

　　==================================

　　| |所占字节数| 具体内容 |

　　==================================

　　| ID | 4 Bytes | 'fact' |

　　----------------------------------

　　| Size | 4 Bytes | 数值为4 |

　　----------------------------------

　　| data | 4 Bytes | |

　　----------------------------------

在标准W***E文件中是可有可无的字段,一般当wav文件是某些软件合成的话则包含该字段.定义结构体如下:

struct FACT_BLOCK

　　{

　　char szFactID[4]; // 'f','a','c','t'

　　DWORD dwFactSize;

　　};

PS:数据区域不在头部的定义当中...

⑤Data Chunk

　　==================================

　　| |所占字节数| 具体内容 |

　　==================================

　　| ID | 4 Bytes | 'data' |

　　----------------------------------

　　| Size | 4 Bytes | |

　　----------------------------------

　　| data | | |

　　----------------------------------

这是真正存储语音数据的地方,以"data"为标识,Size是数据区域的大小,紧接着就是语音数据.定义结构体如下:

struct DATA_BLOCK

　　{

　　char szDataID[4]; // 'd','a','t','a'

　　DWORD dwDataSize;

　　};

根据Format Chunk里面声道数和位数的大小,读取W***E数据时候还要看具体的内容,总之数据区不管由几个字节表示一个采样点,都是地位表示低字节,高位表示高字节...

二.波形表示

①数据密集时候表示波形算法:

数据很密集的情况下,在一个区域内有很多个点,这些点肯定可以连成一条线,在这种情况下,取这段区域的最大值和最小值然后用平滑曲线连接起来,就可以得到大体的波形了...

②数据疏散时候表示波形:

在屏幕上画出每个点的位置,然后用GDI的平滑曲线函数连接各个点,就可得到类似Adobe Audition的显示波形

③每个采样点和屏幕位置的对应:

我只试着处理了8位和16位单声道的数据,现说明如下:

8位采样的用short型的变量存储的话范围就是0-255,0表示屏幕的最上端,而255表示屏幕的最下端,所以就可以用rect.bottom - perData*rect.Height()/255来计算屏幕点的位置了...

16位采样的用short型变量存储就会出现溢出,但是恰好可以利用它的溢出来解决问题,由于16位的unsigned 类型表示范围是0-65535,所以用short存储的时候就会出现范围是-32767到32768之间其中负值表示屏幕中线以上的数据,而正值是屏幕中线以下的位置所以计算公式改为:

rect.top + rect.Height()/2 + perData*rect.Height()/65535

画出曲线来基本和Adobe Audition画出的波形类似...