在上一篇文章RIFF和WAVE音頻文件格式中對WAV的文件格式做了介紹，本文將使用標准C++庫實現對數據為PCM格式的WAV文件的讀寫操作，只使用標准C++庫函數，不依賴於其他的庫。
WAV文件結構
WAV是符合RIFF標准的多媒體文件，其文件結構可以如下：
| WAV 文件結構 |
|---|
| RIFF塊 |
| WAVE FOURCC |
| fmt 塊 |
| fact 塊（可選） |
| data塊（包含PCM數據） |
首先是一個RIFF塊，有塊標識RIFF，指明該文件是符合RIFF標准的文件；接着是一個FourCC，WAVE，該文件為WAV文件；fmt塊包含了音頻的一些屬性：采樣率、碼率、聲道等；fact 塊是一個可選塊，不是PCM數據格式的需要該塊；最后data塊，則包含了音頻的PCM數據。實際上，可以將一個WAV文件看着由兩部分組成：文件頭和PCM數據，則WAV文件頭各字段的意義如下：
本文實現的是一個能夠讀取PCM數據格式的單聲道或者雙聲道的WAV文件，是沒有fact塊以及擴展塊。
結構體定義
通過上面的介紹發現，WAV的頭文件所包含的內容有兩種：RIFF文件格式標准中需要的數據和關於音頻格式的信息。對於RIFF文件格式所需的信息，聲明結構體如下：
// The basic chunk of RIFF file format
struct Base_chunk{
FOURCC fcc; // FourCC id
uint32_t cb_size; // 數據域的大小
Base_chunk(FOURCC fourcc)
: fcc(fourcc)
{
cb_size = 0;
}
};
chunk是RIFF文件的基本單元，首先一個4字節的標識FOURCC，用來指出該塊的類型；cb_size則是改塊數據域中數據的大小。
文件頭中另一個信息則是音頻的格式信息，實際上是frm chunk的數據域信息，其聲明如下：
// Format chunk data field
struct Wave_format{
uint16_t format_tag; // WAVE的數據格式，PCM數據該值為1
uint16_t channels; // 聲道數
uint32_t sample_per_sec; // 采樣率
uint32_t bytes_per_sec; // 碼率，channels * sample_per_sec * bits_per_sample / 8
uint16_t block_align; // 音頻數據塊，每次采樣處理的數據大小，channels * bits_per_sample / 8
uint16_t bits_per_sample; // 量化位數，8、16、32等
uint16_t ex_size; // 擴展塊的大小，附加塊的大小
Wave_format()
{
format_tag = 1; // PCM format data
ex_size = 0; // don't use extesion field
channels = 0;
sample_per_sec = 0;
bytes_per_sec = 0;
block_align = 0;
bits_per_sample = 0;
}
Wave_format(uint16_t nb_channel, uint32_t sample_rate, uint16_t sample_bits)
:channels(nb_channel), sample_per_sec(sample_rate), bits_per_sample(sample_bits)
{
format_tag = 0x01; // PCM format data
bytes_per_sec = channels * sample_per_sec * bits_per_sample / 8; // 碼率
block_align = channels * bits_per_sample / 8;
ex_size = 0; // don't use extension field
}
};
關於各個字段的信息，在上面圖中有介紹，這里主要說明兩個字段：
format_tag表示以何種數據格式存儲音頻的sample值，這里設置為0x01表示用PCM格式，非壓縮格式，不需要fact塊。ex_size表示的是擴展塊的大小。有兩種方法來設置不使用擴展塊，一種是設置fmt中的size字段為16（無ex_size字段）；或者，有ex_size,設置其值為0.在本文中，使用第二種方法，設置ex_size的值為0，不使用擴展塊。
有了上面兩個結構體的定義，對於WAV的文件頭，可以表示如下：
/*
數據格式為PCM的WAV文件頭
--------------------------------
| Base_chunk | RIFF |
---------------------
| WAVE |
---------------------
| Base_chunk | fmt | Header
---------------------
| Wave_format| |
---------------------
| Base_chunk | data |
--------------------------------
*/
struct Wave_header{
shared_ptr<Base_chunk> riff;
FOURCC wave_fcc;
shared_ptr<Base_chunk> fmt;
shared_ptr<Wave_format> fmt_data;
shared_ptr<Base_chunk> data;
Wave_header(uint16_t nb_channel, uint32_t sample_rate, uint16_t sample_bits)
{
riff = make_shared<Base_chunk>(MakeFOURCC<'R', 'I', 'F', 'F'>::value);
fmt = make_shared<Base_chunk>(MakeFOURCC<'f', 'm', 't', ' '>::value);
fmt->cb_size = 18;
fmt_data = make_shared<Wave_format>(nb_channel, sample_rate, sample_bits);
data = make_shared<Base_chunk>(MakeFOURCC<'d', 'a', 't', 'a'>::value);
wave_fcc = MakeFOURCC<'W', 'A', 'V', 'E'>::value;
}
Wave_header()
{
riff = nullptr;
fmt = nullptr;
fmt_data = nullptr;
data = nullptr;
wave_fcc = 0;
}
};
在WAV的文件頭中有三種chunk，分別為：RIFF,fmt,data，然后是音頻的格式信息Wave_format。在RIFF chunk的后面是一個4字節非FOURCC：WAVE，表示該文件為WAV文件。另外，Wave_format的構造函數只需要三個參數：聲道數、采樣率和量化精度，關於音頻的其他信息都可以使用這三個數值計算得到。注意，這里設置fmt chunk的size為18。
實現
有了上面結構體后，再對WAV文件進行讀寫就比較簡單了。由於RIFF文件中使用FOURCC老標識chunk的類型，這里有兩個FOURCC的實現方法：使用宏和使用模板，具體如下：
#define FOURCC uint32_t
#define MAKE_FOURCC(a,b,c,d) \
( ((uint32_t)d) | ( ((uint32_t)c) << 8 ) | ( ((uint32_t)b) << 16 ) | ( ((uint32_t)a) << 24 ) )
template <char ch0, char ch1, char ch2, char ch3> struct MakeFOURCC{ enum { value = (ch0 << 0) + (ch1 << 8) + (ch2 << 16) + (ch3 << 24) }; };
Write WAVE file
寫WAV文件過程，首先是填充文件頭信息，對於Wave_format只需要三個參數：聲道數、采樣率和量化精度，將文件頭信息寫入后，緊接這寫入PCM數據就完成了WAV文件的寫入。其過程如下：
Wave_header header(1, 48000, 16);
uint32_t length = header.fmt_data->sample_per_sec * 10 * header.fmt_data->bits_per_sample / 8;
uint8_t *data = new uint8_t[length];
memset(data, 0x80, length);
CWaveFile::write("e:\\test1.wav", header, data, length);
首先夠着WAV文件頭，然后寫入文件即可。將數據寫入的實現也比較簡單，按照WAv的文件結構，依次將數據寫入文件。在設置各個chunk的size值時要注意其不同的意義：
- RIFF chunk 的size表示的是其數據的大小，其包含各個chunk的大小以及PCM數據的長度。該值 + 8 就是整個WAV文件的大小。
- fmt chunk 的size是
Wave_format的大小，這里為18 - data chunk 的size 是寫入的PCM數據的長度
Read WAVE file
知道了WAV的文件結構后，讀取其數據就更為簡單了。有一種直接的方法，按照PCM相對於文件起始的位置的偏移位置，直接讀取PCM數據；或者是按照其文件結構依次讀取信息，本文的將依次讀取WAV文件的信息填充到相應的結構體中,其實現代碼片段如下：
header = make_unique<Wave_header>();
// Read RIFF chunk
FOURCC fourcc;
ifs.read((char*)&fourcc, sizeof(FOURCC));
if (fourcc != MakeFOURCC<'R', 'I', 'F', 'F'>::value) // 判斷是不是RIFF
return false;
Base_chunk riff_chunk(fourcc);
ifs.read((char*)&riff_chunk.cb_size, sizeof(uint32_t));
header->riff = make_shared<Base_chunk>(riff_chunk);
// Read WAVE FOURCC
ifs.read((char*)&fourcc, sizeof(FOURCC));
if (fourcc != MakeFOURCC<'W', 'A', 'V', 'E'>::value)
return false;
header->wave_fcc = fourcc;
...
實例
調用本文的實現，寫入一個單聲道，16位量化精度，采樣率為48000Hz的10秒鍾WAV文件，代碼如下：
Wave_header header(1, 48000, 16);
uint32_t length = header.fmt_data->sample_per_sec * 10 * header.fmt_data->bits_per_sample / 8;
uint8_t *data = new uint8_t[length];
memset(data, 0x80, length);
CWaveFile::write("e:\\test1.wav", header, data, length);
這里將所有的sample按字節填充為0x80，以16進制打開該wav文件，結果如下：
可以參照上圖給出的WAV文件頭信息，看看各個字節的意義。音頻的格式信息在FOURCC fmt后面
- 4字節 00000012 fmt數據的長度 18字節
- 2字節 0001 數據的存儲格式為PCM
- 2字節 0001 聲道個數
- 4字節 0000BB80 采樣率 48000Hz
- 4字節 00017700 碼率 96000bps
- 2字節 0002 數據塊大小
- 2字節 0010 量化精度 16位
- 2字節 0000 擴展塊的大小
- 4字節 FOURCC data
- 4字節 數據長度 0x000EA600
代碼
最后將本文的代碼封裝在了類CWaveFile中，使用簡單。
- 寫WAV文件
Wave_header header(1, 48000, 16);
uint32_t length = header.fmt_data->sample_per_sec * 10 * header.fmt_data->bits_per_sample / 8;
uint8_t *data = new uint8_t[length];
memset(data, 0x80, length);
CWaveFile::write("e:\\test1.wav", header, data, length);
- 讀取WAV文件
CWaveFile wave;
wave.read("e:\\test1.wav");
wave.data // PCM數據
源代碼只有一個不到300行的cpp文件， CSDN下載