首页 > 代码库 > python音频处理用到的操作
python音频处理用到的操作
作者：桂。
时间：2017-05-03 12:18:46
链接：http://www.cnblogs.com/xingshansi/p/6799994.html
前言
本文主要记录python下音频常用的操作，以.wav格式文件为例。其实网上有很多现成的音频工具包，如果仅仅调用，工具包是更方便的。
1、批量读取.wav文件名：
import osfilepath = "./data/" #添加路径filename= os.listdir(filepath) #得到文件夹下的所有文件名称 for file in filename: print(filepath+file)
这里用到字符串路径：
1.通常意义字符串(str)2.原始字符串，以大写R 或 小写r开始，r‘‘，不对特殊字符进行转义3.Unicode字符串，u‘‘ basestring子类
如：
path = ‘./file/n‘path = r‘.\file\n‘path = ‘.\\file\\n‘
三者等价，右划线\为转义字符，引号前加r表示原始字符串，而不转义（r:raw string）.
常用获取帮助的方式：
>>> help(str)>>> dir(str)>>> help(str.replace)
2、读取.wav文件
wave.open 用法：
wave.open(file,mode)
mode可以是：
‘rb’，读取文件；
‘wb’，写入文件;
不支持同时读/写操作。
Wave_read.getparams用法：
f = wave.open(file,‘rb‘)params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]
其中最后一行为常用的音频参数：
nchannels:声道数
sampwidth:量化位数（byte）
framerate:采样频率
nframes:采样点数
- 单通道
对应code:
import waveimport matplotlib.pyplot as pltimport numpy as npimport osfilepath = "./data/" #添加路径filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[1],‘rb‘)params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]strData = http://www.mamicode.com/f.readframes(nframes)#读取音频，字符串格式"Time(s)")plt.ylabel("Amplitude")plt.title("Single channel wavedata")plt.grid(‘on‘)#标尺，on：有，off:无。结果图：
- 多通道
这里通道数为3，主要借助np.reshape一下，其他同单通道处理完全一致，对应code:
# -*- coding: utf-8 -*-"""Created on Wed May 3 12:15:34 2017@author: Nobleding"""import waveimport matplotlib.pyplot as pltimport numpy as npimport osfilepath = "./data/" #添加路径filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[0],‘rb‘)params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]strData = http://www.mamicode.com/f.readframes(nframes)#读取音频，字符串格式"Time(s)")plt.ylabel("Amplitude")plt.title("Ch-1 wavedata")plt.grid(‘on‘)#标尺，on：有，off:无。plt.subplot(5,1,3)plt.plot(time,waveData[:,1])plt.xlabel("Time(s)")plt.ylabel("Amplitude")plt.title("Ch-2 wavedata")plt.grid(‘on‘)#标尺，on：有，off:无。plt.subplot(5,1,5)plt.plot(time,waveData[:,2])plt.xlabel("Time(s)")plt.ylabel("Amplitude")plt.title("Ch-3 wavedata")plt.grid(‘on‘)#标尺，on：有，off:无。plt.show()效果图：
单通道为多通道的特例，所以多通道的读取方式对任意通道wav文件都适用。需要注意的是，waveData在reshape之后，与之前的数据结构是不同的。即waveData[0]等价于reshape之前的waveData，但不影响绘图分析，只是在分析频谱时才有必要考虑这一点。
3、wav写入
涉及到的主要指令有三个：
- 参数设置：
nchannels = 1 #单通道为例sampwidth = 2fs = 8000data_size = len(outData)framerate = int(fs)nframes = data_sizecomptype = "NONE"compname = "not compressed"outwave.setparams((nchannels, sampwidth, framerate, nframes, comptype, compname))
- 待写入wav文件的存储路径及文件名：
outfile = filepath+‘out1.wav‘outwave = wave.open(outfile, ‘wb‘)#定义存储路径以及文件名
- 数据的写入：
for v in outData: outwave.writeframes(struct.pack(‘h‘, int(v * 64000 / 2)))#outData:16位，-32767~32767，注意不要溢出
单通道数据写入：
import wave#import matplotlib.pyplot as pltimport numpy as npimport osimport struct#wav文件读取filepath = "./data/" #添加路径filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[1],‘rb‘)params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]strData = http://www.mamicode.com/f.readframes(nframes)#读取音频，字符串格式"NONE"compname = "not compressed"outwave.setparams((nchannels, sampwidth, framerate, nframes, comptype, compname))for v in outData: outwave.writeframes(struct.pack(‘h‘, int(v * 64000 / 2)))#outData:16位，-32767~32767，注意不要溢出outwave.close()
多通道数据写入：
多通道的写入与多通道读取类似，多通道读取是将一维数据reshape为二维，多通道的写入是将二维的数据reshape为一维，其实就是一个逆向的过程：
import wave#import matplotlib.pyplot as pltimport numpy as npimport osimport struct#wav文件读取filepath = "./data/" #添加路径filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[0],‘rb‘)params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]strData = http://www.mamicode.com/f.readframes(nframes)#读取音频，字符串格式"NONE"compname = "not compressed"outwave.setparams((nchannels, sampwidth, framerate, nframes, comptype, compname))for v in outData: outwave.writeframes(struct.pack(‘h‘, int(v * 64000 / 2)))#outData:16位，-32767~32767，注意不要溢出outwave.close()
这里用到struct.pack(.)二进制的转化：
例如：
4、音频播放
wav文件的播放需要用到pyaudio，安装包点击这里。我将它放在\Scripts文件夹下，cmd并切换到对应目录
pip install PyAudio-0.2.9-cp35-none-win_amd64.whl
pyaudio安装完成。
- Pyaudio主要用法：
主要列出pyaudio对象的open()方法的参数：
- rate:采样率
- channels:声道数
- format:采样值的量化格式，值可以为paFloat32、paInt32、paInt24、paInt16、paInt8等。下面的例子中，使用get_from_width()将值为2的sampwidth转换为paInt16.
- input:输入流标志，Ture表示开始输入流
- output:输出流标志
给出对应code:
import waveimport pyaudio import os#wav文件读取filepath = "./data/" #添加路径filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[0],‘rb‘)params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]#instantiate PyAudio p = pyaudio.PyAudio() #define stream chunk chunk = 1024 #打开声音输出流stream = p.open(format = p.get_format_from_width(sampwidth), channels = nchannels, rate = framerate, output = True) #写声音输出流到声卡进行播放data = http://www.mamicode.com/f.readframes(chunk) >
因为是python3.5，判断语句if data =http://www.mamicode.com/= b‘‘: break 的b不能缺少。
5、信号加窗
通常对信号截断、分帧需要加窗，因为截断都有频域能量泄露，而窗函数可以减少截断带来的影响。
窗函数在scipy.signal信号处理工具箱中，如hamming窗：
import scipy.signal as signalpl.plot(signal.hanning(512))
利用上面的函数，绘制hanning窗：
import pylab as plimport scipy.signal as signalpl.figure(figsize=(6,2))pl.plot(signal.hanning(512))
6、信号分帧
信号分帧的理论依据，其中x是语音信号，w是窗函数：
加窗截断类似采样，为了保证相邻帧不至于差别过大，通常帧与帧之间有帧移，其实就是插值平滑的作用。
给出示意图：
7、语谱图
其实分帧信号，频域变换取幅值，可以得到语谱图，如果仅仅是观察，matplotlib.pyplot有specgram指令：
import waveimport matplotlib.pyplot as pltimport numpy as npimport osfilepath = "./data/" #添加路径filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[0],‘rb‘)params = f.getparams()nchannels, sampwidth, framerate, nframes = params[:4]strData = http://www.mamicode.com/f.readframes(nframes)#读取音频，字符串格式>
python音频处理用到的操作