שיטות לדחיסת/אחסון נתוני מדיה בפורמטים WAVE ו-JPEG, חלק 1

שלום! סדרת המאמרים הראשונה שלי תתמקד בלימוד דחיסת תמונה/שמע ושיטות אחסון כמו JPEG (תמונה) ו-WAVE (סאונד), ותכלול גם דוגמאות לתוכניות המשתמשות בפורמטים אלו (.jpg, .wav) בפועל. בחלק זה נסתכל על WAVE.

כתבה

WAVE (Waveform Audio File Format) הוא פורמט קובץ מיכל לאחסון הקלטה של ​​זרם שמע. מיכל זה משמש בדרך כלל לאחסון אודיו מאופנן בקוד פולס לא דחוס. (לקוח מויקיפדיה)

הוא הומצא ופורסם ב-1991 יחד עם RIFF על ידי מיקרוסופט ו-IBM (חברות IT מובילות של אז).

מבנה הקובץ

לקובץ יש חלק כותרת עליונה, הנתונים עצמם, אך ללא כותרת תחתונה. הכותרת שוקלת בסך הכל 44 בתים.
הכותרת מכילה הגדרות למספר הביטים בדגימה, קצב הדגימה, עומק הצליל וכו'. מידע הדרוש עבור כרטיס הקול. (כל ערכי הטבלה המספרית חייבים להיכתב בסדר ליטל-אנדי)

שם בלוק
גודל בלוק (B)
תיאור/מטרה
ערך (עבור חלק זה קבוע

chunkId
4
הגדרת קובץ כמיכל מדיה
0x52494646 ב-Big-Endian ("RIFF")

chunkSize
4
גודל הקובץ כולו ללא chunkId ו-chunkSize
FILE_SIZE - 8

פוּרמָט
4
הגדרת סוג מ-RIFF
0x57415645 ב-Big-Endian ("WAVE")

subchunk1Id
4
כך שהקובץ תופס יותר מקום כהמשך לפורמט
0x666d7420 ב-Big-Endian ("fmt")

subchunk1Size
4
כותרת שנותרה (בבתים)
16 כברירת מחדל (למקרה ללא דחיסת זרם שמע)

אודיופורמט
2
פורמט שמע (תלוי בשיטת הדחיסה ובמבנה נתוני השמע)
1 (עבור PCM, וזה מה שאנחנו שוקלים)

numChannels
2
מספר הערוצים
1/2, ניקח ערוץ 1 (3/4/5/6/7... - רצועת שמע ספציפית, למשל 4 עבור סאונד מרובע וכו')

קצב דגימה
4
קצב דגימת אודיו (בהרץ)
ככל שהסאונד יהיה גבוה יותר, הסאונד יהיה טוב יותר, אך ככל שיידרש יותר זיכרון ליצירת רצועת שמע באותו אורך, הערך המומלץ הוא 48000 (איכות הסאונד המקובלת ביותר)

byteRate
4
מספר בתים לשנייה
קצב דגימה numChannels bitsPerSample (עוד)

blockAlign
2
מספר בתים עבור דוגמה אחת
numChannels * bitsPerSample: 8

bitsPerSample
2
מספר ביטים לדגימה אחת (עומק)
כל מספר שהוא כפולה של 8. ככל שהמספר גבוה יותר, האודיו יהיה טוב וכבד יותר; מ-32 סיביות אין הבדל עבור בני אדם

subchunk2Id
4
סימן התייחסות לנתונים (מכיוון שעשויים להיות רכיבי כותרת אחרים בהתאם ל-audioFormat)
0x64617461 ב-Big-Endian("נתונים")

subchunk2Size
4
גודל שטח הנתונים
גודל הנתונים ב-int

נתונים
byteRate * משך שמע
נתוני אודיו
?

דוגמה של WAVE

ניתן לתרגם בקלות את הטבלה הקודמת למבנה ב-C, אבל השפה שלנו להיום היא Python. הדבר הקל ביותר שאתה יכול לעשות הוא להשתמש ב"גל" - מחולל רעש. עבור משימה זו איננו זקוקים ל-byteRate ודחיסה גבוהים.
ראשית, בואו לייבא את המודולים הדרושים:

# WAV.py

from struct import pack  # перевод py-объектов в базовые типы из C
from os import urandom  # функция для чтения /dev/urandom, для windows:
# from random import randint
# urandom = lambda sz: bytes([randint(0, 255) for _ in range(sz)])  # лямбда под windows, т.к. urandom'а в винде нет
from sys import argv, exit  # аргументы к проге и выход

if len(argv) != 3:  # +1 имя скрипта (-1, если будете замораживать)
    print('Usage: python3 WAV.py [num of samples] [output]')
    exit(1)

לאחר מכן, עלינו ליצור את כל המשתנים הדרושים מהטבלה בהתאם לגדלים שלהם. ערכי המשתנים בו תלויים רק ב-numSamples (מספר הדגימות). ככל שיהיו יותר מהם, כך הרעש שלנו יימשך זמן רב יותר.

numSamples = int(argv[1])
output_path = argv[2]

chunkId = b'RIFF'
Format = b'WAVE'
subchunk1ID = b'fmt '
subchunk1Size = b'x10x00x00x00'  # 0d16
audioFormat = b'x01x00'
numChannels = b'x02x00'  # 2-х каналов будет достаточно (стерео)
sampleRate = pack('<L', 1000)  # 1000 хватит, но если поставить больше, то шум будет слышен лучше. С 1000-ю он звучит, как ветер
bitsPerSample = b'x20x00'  # 0d32
byteRate = pack('<L', 1000 * 2 * 4)  # sampleRate * numChannels * bitsPerSample / 8  (32 bit sound)
blockAlign = b'x08x00'  # 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)  # сам шум

כל שנותר הוא לרשום אותם ברצף הנדרש (כמו בטבלה):

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

וכך, מוכן. כדי להשתמש בסקריפט, עלינו להוסיף את הארגומנטים הנחוצים של שורת הפקודה:
python3 WAV.py [num of samples] [output]
מספר דגימות - ספירה. דגימות
פלט - נתיב לקובץ הפלט

הנה קישור לקובץ אודיו לניסיון עם רעש, אבל כדי לחסוך בזיכרון הורדתי את ה-BPS ל-1b/s והורדתי את מספר הערוצים ל-1 (עם זרם אודיו סטריאו לא דחוס של 32 סיביות ב-64kbs, התברר שכן 80M של קובץ WAV טהור, ורק 10): https://instaud.io/3Dcy

הקוד כולו (WAV.py) (לקוד יש הרבה ערכי משתנים כפולים, זו רק סקיצה):

from struct import pack  # перевод py-объектов в базовые типы из C
from os import urandom  # функция для чтения /dev/urandom, для windows:
# from random import randint
# urandom = lambda sz: bytes([randint(0, 255) for _ in range(sz)])  # лямбда под windows, т.к. urandom'а в винде нет
from sys import argv, exit  # аргументы к проге и выход

if len(argv) != 3:  # +1 имя скрипта (-1, если будете замораживать)
    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'x10x00x00x00'  # 0d16
audioFormat = b'x01x00'
numChannels = b'x02x00'  # 2-х каналов будет достаточно (стерео) 
sampleRate = pack('<L', 1000)  # 1000 хватит, но можно и больше.
bitsPerSample = b'x20x00'  # 0d32
byteRate = pack('<L', 1000 * 2 * 4)  # sampleRate * numChannels * bitsPerSample / 8  (32 bit sound)
blockAlign = b'x08x00'  # 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)  # сам шум

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

סך הכל

אז למדת קצת יותר על סאונד דיגיטלי וכיצד הוא נשמר. בפוסט הזה לא השתמשנו בדחיסה (audioFormat), אבל כדי להתחשב בכל אחד מהפופולריים, יידרשו 10 מאמרים. אני מקווה שלמדת משהו חדש בעצמך וזה יעזור לך בהתפתחויות עתידיות.
תודה לך!

מקורות

מבנה קובץ WAV
WAV - ויקיפדיה

מקור: www.habr.com