C++標準庫實現WAV檔案讀寫
在上一篇文章RIFF和WAVE音訊檔案格式中對WAV的檔案格式做了介紹，本文將使用標準C++庫實現對資料為PCM格式的WAV檔案的讀寫操作，只使用標準C++庫函式，不依賴於其他的庫。
WAV檔案結構
WAV是符合RIFF標準的多媒體檔案，其檔案結構可以如下：
| WAV 檔案結構 |
|---|
| RIFF塊 |
| WAVE FOURCC |
| fmt 塊 |
| fact 塊（可選） |
| data塊（包含PCM資料） |
首先是一個RIFF塊，有塊標識RIFF，指明該檔案是符合RIFF標準的檔案；接著是一個FourCC，WAVE，該檔案為WAV檔案；fmt塊包含了音訊的一些屬性：取樣率、位元速率、聲道等；fact 塊是一個可選塊，不是PCM資料格式的需要該塊；最後data塊，則包含了音訊的PCM資料。實際上，可以將一個WAV檔案看著由兩部分組成：檔案頭和PCM資料，則WAV檔案頭各欄位的意義如下：
本文實現的是一個能夠讀取PCM資料格式的單聲道或者雙聲道的WAV檔案，是沒有fact塊以及擴充套件塊。
結構體定義
通過上面的介紹發現，WAV的標頭檔案所包含的內容有兩種：RIFF檔案格式標準中需要的資料和關於音訊格式的資訊。對於RIFF檔案格式所需的資訊，宣告結構體如下：
// The basic chunk of RIFF file format struct Base_chunk{ FOURCC fcc; // FourCC id uint32_t cb_size; // 資料域的大小 Base_chunk(FOURCC fourcc) : fcc(fourcc) { cb_size = 0; } };
chunk是RIFF檔案的基本單元，首先一個4位元組的標識FOURCC，用來指出該塊的型別；cb_size則是改塊資料域中資料的大小。
檔案頭中另一個資訊則是音訊的格式資訊，實際上是frm chunk的資料域資訊，其宣告如下：
// Format chunk data field struct Wave_format{ uint16_t format_tag; // WAVE的資料格式，PCM資料該值為1 uint16_t channels; // 聲道數 uint32_t sample_per_sec; // 取樣率 uint32_t bytes_per_sec; // 位元速率，channels * sample_per_sec * bits_per_sample / 8 uint16_t block_align; // 音訊資料塊，每次取樣處理的資料大小，channels * bits_per_sample / 8 uint16_t bits_per_sample; // 量化位數，8、16、32等 uint16_t ex_size; // 擴充套件塊的大小，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; // 位元速率 block_align = channels * bits_per_sample / 8; ex_size = 0; // don't use extension field } };
關於各個欄位的資訊，在上面圖中有介紹，這裡主要說明兩個欄位：
format_tag表示以何種資料格式儲存音訊的sample值，這裡設定為0x01表示用PCM格式，非壓縮格式，不需要fact塊。ex_size表示的是擴充套件塊的大小。有兩種方法來設定不使用擴充套件塊，一種是設定fmt中的size欄位為16（無ex_size欄位）；或者，有ex_size,設定其值為0.在本文中，使用第二種方法，設定ex_size的值為0，不使用擴充套件塊。
有了上面兩個結構體的定義，對於WAV的檔案頭，可以表示如下：
/*
資料格式為PCM的WAV檔案頭
--------------------------------
| 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的檔案頭中有三種chunk，分別為：RIFF,fmt,data，然後是音訊的格式資訊Wave_format。在RIFF chunk的後面是一個4位元組非FOURCC：WAVE，表示該檔案為WAV檔案。另外，Wave_format的建構函式只需要三個引數：聲道數、取樣率和量化精度，關於音訊的其他資訊都可以使用這三個數值計算得到。注意，這裡設定fmt chunk的size為18。
實現
有了上面結構體後，再對WAV檔案進行讀寫就比較簡單了。由於RIFF檔案中使用FOURCC老標識chunk的型別，這裡有兩個FOURCC的實現方法：使用巨集和使用模板，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檔案過程，首先是填充檔案頭資訊，對於Wave_format只需要三個引數：聲道數、取樣率和量化精度，將檔案頭資訊寫入後，緊接這寫入PCM資料就完成了WAV檔案的寫入。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);首先夠著WAV檔案頭，然後寫入檔案即可。將資料寫入的實現也比較簡單，按照WAv的檔案結構，依次將資料寫入檔案。在設定各個chunk的size值時要注意其不同的意義：
- RIFF chunk 的size表示的是其資料的大小，其包含各個chunk的大小以及PCM資料的長度。該值 + 8 就是整個WAV檔案的大小。
- fmt chunk 的size是
Wave_format的大小，這裡為18 - data chunk 的size 是寫入的PCM資料的長度
Read WAVE file
知道了WAV的檔案結構後，讀取其資料就更為簡單了。有一種直接的方法，按照PCM相對於檔案起始的位置的偏移位置，直接讀取PCM資料；或者是按照其檔案結構依次讀取資訊，本文的將依次讀取WAV檔案的資訊填充到相應的結構體中,其實現程式碼片段如下：
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;
...例項
呼叫本文的實現，寫入一個單聲道，16位量化精度，取樣率為48000Hz的10秒鐘WAV檔案，程式碼如下：
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);這裡將所有的sample按位元組填充為0x80，以16進位制開啟該wav檔案，結果如下：
可以參照上圖給出的WAV檔案頭資訊，看看各個位元組的意義。音訊的格式資訊在FOURCC fmt後面
- 4位元組 00000012 fmt資料的長度 18位元組
- 2位元組 0001 資料的儲存格式為PCM
- 2位元組 0001 聲道個數
- 4位元組 0000BB80 取樣率 48000Hz
- 4位元組 00017700 位元速率 96000bps
- 2位元組 0002 資料塊大小
- 2位元組 0010 量化精度 16位
- 2位元組 0000 擴充套件塊的大小
- 4位元組 FOURCC data
- 4位元組 資料長度 0x000EA600
程式碼
最後將本文的程式碼封裝在了類CWaveFile中，使用簡單。
- 寫WAV檔案
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檔案
CWaveFile wave;
wave.read("e:\\test1.wav");
wave.data // PCM資料