python音頻處理用到的操作
作者:桂。
時間:2017-05-03 12:18:46
鏈接:http://www.cnblogs.com/xingshansi/p/6799994.html
前言
本文主要記錄python下音頻常用的操作,以.wav格式文件為例。其實網上有很多現成的音頻工具包,如果僅僅調用,工具包是更方便的。
1、批量讀取.wav文件名:
import os filepath = "./data/" #添加路徑 filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 for file in filename: print(filepath+file)
這裏用到字符串路徑:
1.通常意義字符串(str) 2.原始字符串,以大寫R 或 小寫r開始,r‘‘,不對特殊字符進行轉義 3.Unicode字符串,u‘‘ basestring子類
如:
path = ‘./file/n‘ path = r‘.\file\n‘ path = ‘.\\file\\n‘
三者等價,右劃線\為轉義字符,引號前加r表示原始字符串,而不轉義(r:raw string).
常用獲取幫助的方式:
>>> help(str) >>> dir(str) >>> help(str.replace)
2、讀取.wav文件
wave.open 用法:
wave.open(file,mode)
mode可以是:
‘rb’,讀取文件;
‘wb’,寫入文件;
不支持同時讀/寫操作。
Wave_read.getparams用法:
f = wave.open(file,‘rb‘) params = f.getparams() nchannels, sampwidth, framerate, nframes = params[:4]
其中最後一行為常用的音頻參數:
nchannels:聲道數
sampwidth:量化位數(byte)
framerate:采樣頻率
nframes:采樣點數
- 單通道
對應code:
import wave import matplotlib.pyplot as plt import numpy as np import os filepath = "./data/" #添加路徑 filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 f = wave.open(filepath+filename[1],‘rb‘) params = f.getparams() nchannels, sampwidth, framerate, nframes = params[:4] strData = f.readframes(nframes)#讀取音頻,字符串格式 waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為int waveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化 # plot the wave time = np.arange(0,nframes)*(1.0 / framerate) plt.plot(time,waveData) plt.xlabel("Time(s)") plt.ylabel("Amplitude") plt.title("Single channel wavedata") plt.grid(‘on‘)#標尺,on:有,off:無。
結果圖:
- 多通道
這裏通道數為3,主要借助np.reshape一下,其他同單通道處理完全一致,對應code:
# -*- coding: utf-8 -*- """ Created on Wed May 3 12:15:34 2017 @author: Nobleding """ import wave import matplotlib.pyplot as plt import numpy as np import os filepath = "./data/" #添加路徑 filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 f = wave.open(filepath+filename[0],‘rb‘) params = f.getparams() nchannels, sampwidth, framerate, nframes = params[:4] strData = f.readframes(nframes)#讀取音頻,字符串格式 waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為int waveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化 waveData = np.reshape(waveData,[nframes,nchannels]) f.close() # plot the wave time = np.arange(0,nframes)*(1.0 / framerate) plt.figure() plt.subplot(5,1,1) plt.plot(time,waveData[:,0]) plt.xlabel("Time(s)") plt.ylabel("Amplitude") plt.title("Ch-1 wavedata") plt.grid(‘on‘)#標尺,on:有,off:無。 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‘)#標尺,on:有,off:無。 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‘)#標尺,on:有,off:無。 plt.show()
效果圖:
單通道為多通道的特例,所以多通道的讀取方式對任意通道wav文件都適用。需要註意的是,waveData在reshape之後,與之前的數據結構是不同的。即waveData[0]等價於reshape之前的waveData,但不影響繪圖分析,只是在分析頻譜時才有必要考慮這一點。
3、wav寫入
涉及到的主要指令有三個:
- 參數設置:
nchannels = 1 #單通道為例 sampwidth = 2 fs = 8000 data_size = len(outData) framerate = int(fs) nframes = data_size comptype = "NONE" compname = "not compressed" outwave.setparams((nchannels, sampwidth, framerate, nframes, comptype, compname))
- 待寫入wav文件的存儲路徑及文件名:
outfile = filepath+‘out1.wav‘ outwave = wave.open(outfile, ‘wb‘)#定義存儲路徑以及文件名
- 數據的寫入:
for v in outData: outwave.writeframes(struct.pack(‘h‘, int(v * 64000 / 2)))#outData:16位,-32767~32767,註意不要溢出
單通道數據寫入:
import wave #import matplotlib.pyplot as plt import numpy as np import os import struct #wav文件讀取 filepath = "./data/" #添加路徑 filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 f = wave.open(filepath+filename[1],‘rb‘) params = f.getparams() nchannels, sampwidth, framerate, nframes = params[:4] strData = f.readframes(nframes)#讀取音頻,字符串格式 waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為int waveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化 f.close() #wav文件寫入 outData = waveData#待寫入wav的數據,這裏仍然取waveData數據 outfile = filepath+‘out1.wav‘ outwave = wave.open(outfile, ‘wb‘)#定義存儲路徑以及文件名 nchannels = 1 sampwidth = 2 fs = 8000 data_size = len(outData) framerate = int(fs) nframes = data_size comptype = "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,註意不要溢出 outwave.close()
多通道數據寫入:
多通道的寫入與多通道讀取類似,多通道讀取是將一維數據reshape為二維,多通道的寫入是將二維的數據reshape為一維,其實就是一個逆向的過程:
import wave #import matplotlib.pyplot as plt import numpy as np import os import struct #wav文件讀取 filepath = "./data/" #添加路徑 filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 f = wave.open(filepath+filename[0],‘rb‘) params = f.getparams() nchannels, sampwidth, framerate, nframes = params[:4] strData = f.readframes(nframes)#讀取音頻,字符串格式 waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為int waveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化 waveData = np.reshape(waveData,[nframes,nchannels]) f.close() #wav文件寫入 outData = waveData#待寫入wav的數據,這裏仍然取waveData數據 outData = np.reshape(outData,[nframes*nchannels,1]) outfile = filepath+‘out2.wav‘ outwave = wave.open(outfile, ‘wb‘)#定義存儲路徑以及文件名 nchannels = 3 sampwidth = 2 fs = 8000 data_size = len(outData) framerate = int(fs) nframes = data_size comptype = "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,註意不要溢出 outwave.close()
這裏用到struct.pack(.)二進制的轉化:
例如:
4、音頻播放
wav文件的播放需要用到pyaudio,安裝包點擊這裏。我將它放在\Scripts文件夾下,cmd並切換到對應目錄
pip install PyAudio-0.2.9-cp35-none-win_amd64.whl
pyaudio安裝完成。
- Pyaudio主要用法:
主要列出pyaudio對象的open()方法的參數:
-
- rate:采樣率
- channels:聲道數
- format:采樣值的量化格式,值可以為paFloat32、paInt32、paInt24、paInt16、paInt8等。下面的例子中,使用get_from_width()將值為2的sampwidth轉換為paInt16.
- input:輸入流標誌,Ture表示開始輸入流
- output:輸出流標誌
給出對應code:
import wave import pyaudio import os #wav文件讀取 filepath = "./data/" #添加路徑 filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 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 #打開聲音輸出流 stream = p.open(format = p.get_format_from_width(sampwidth), channels = nchannels, rate = framerate, output = True) #寫聲音輸出流到聲卡進行播放 data = f.readframes(chunk) i=1 while True: data = f.readframes(chunk) if data == b‘‘: break stream.write(data) f.close() #stop stream stream.stop_stream() stream.close() #close PyAudio p.terminate()
因為是python3.5,判斷語句if data == b‘‘: break 的b不能缺少。
5、信號加窗
通常對信號截斷、分幀需要加窗,因為截斷都有頻域能量泄露,而窗函數可以減少截斷帶來的影響。
窗函數在scipy.signal信號處理工具箱中,如hamming窗:
import scipy.signal as signal pl.plot(signal.hanning(512))
利用上面的函數,繪制hanning窗:
import pylab as pl import scipy.signal as signal pl.figure(figsize=(6,2)) pl.plot(signal.hanning(512))
6、信號分幀
信號分幀的理論依據,其中x是語音信號,w是窗函數:
加窗截斷類似采樣,為了保證相鄰幀不至於差別過大,通常幀與幀之間有幀移,其實就是插值平滑的作用。
給出示意圖:
7、語譜圖
其實分幀信號,頻域變換取幅值,可以得到語譜圖,如果僅僅是觀察,matplotlib.pyplot有specgram指令:
import wave import matplotlib.pyplot as plt import numpy as np import os filepath = "./data/" #添加路徑 filename= os.listdir(filepath) #得到文件夾下的所有文件名稱 f = wave.open(filepath+filename[0],‘rb‘) params = f.getparams() nchannels, sampwidth, framerate, nframes = params[:4] strData = f.readframes(nframes)#讀取音頻,字符串格式 waveData = np.fromstring(strData,dtype=np.int16)#將字符串轉化為int waveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化 waveData = np.reshape(waveData,[nframes,nchannels]).T f.close() # plot the wave plt.specgram(waveData[0],Fs = framerate, scale_by_freq = True, sides = ‘default‘) plt.ylabel(‘Frequency(Hz)‘) plt.xlabel(‘Time(s)‘) plt.show()
python音頻處理用到的操作