什么是PCM

PCM(Pulse Code Modulation，脈沖編碼調(diào)制)音頻數(shù)據(jù)是未經(jīng)壓縮的音頻采樣數(shù)據(jù)裸流，它是由模擬信號經(jīng)過采樣、量化、編碼轉(zhuǎn)換成的標準數(shù)字音頻數(shù)據(jù)。

描述PCM數(shù)據(jù)的6個參數(shù)：

• Sample Rate : 采樣頻率。8kHz(電話)、44.1kHz(CD)、48kHz(DVD)。
• Sample Size : 量化位數(shù)。通常該值為16-bit。
• Number of Channels : 通道個數(shù)。常見的音頻有立體聲(stereo)和單聲道(mono)兩種類型，立體聲包含左聲道和右聲道。另外還有環(huán)繞立體聲等其它不太常用的類型。
• Sign : 表示樣本數(shù)據(jù)是否是有符號位，比如用一字節(jié)表示的樣本數(shù)據(jù)，有符號的話表示范圍為-128 ~ 127，無符號是0 ~ 255。
• Byte Ordering : 字節(jié)序。字節(jié)序是little-endian還是big-endian。通常均為little-endian。字節(jié)序說明見第4節(jié)。
• Integer Or Floating Point : 整形或浮點型。大多數(shù)格式的PCM樣本數(shù)據(jù)使用整形表示，而在一些對精度要求高的應(yīng)用方面，使用浮點類型表示PCM樣本數(shù)據(jù)。

字節(jié)序

字節(jié)序是指多字節(jié)數(shù)據(jù)在計算機內(nèi)存中存儲或者網(wǎng)絡(luò)傳輸時各字節(jié)的存儲順序。

大端字節(jié)序（Big Endian）：將多個字節(jié)值的最高有效字節(jié)儲存于較低的內(nèi)存位置。在大端處理器的機器上，數(shù)值0xABCD1234在內(nèi)存存儲為連續(xù)字節(jié)0xAB、0xCD、0x12、0x34。

小端字節(jié)序（Little endian）：將多個字節(jié)值的最低有效字節(jié)存儲于較低的內(nèi)存位置。比如在小段處理器的機器上，數(shù)值0xABCD1234在內(nèi)存中存儲為連續(xù)的字節(jié)0x34、0x12、0xCD、0x341。

FFmpeg支持的PCM數(shù)據(jù)格式

在cmder中使用ffmpeg -formats | grep PCM命令，獲取ffmpeg支持的音視頻格式，其中我們可以找到支持的PCM格式。

 DE alaw            PCM A-law
 DE f32be           PCM 32-bit floating-point big-endian
 DE f32le           PCM 32-bit floating-point little-endian
 DE f64be           PCM 64-bit floating-point big-endian
 DE f64le           PCM 64-bit floating-point little-endian
 DE mulaw           PCM mu-law
 DE s16be           PCM signed 16-bit big-endian
 DE s16le           PCM signed 16-bit little-endian
 DE s24be           PCM signed 24-bit big-endian
 DE s24le           PCM signed 24-bit little-endian
 DE s32be           PCM signed 32-bit big-endian
 DE s32le           PCM signed 32-bit little-endian
 DE s8              PCM signed 8-bit
 DE u16be           PCM unsigned 16-bit big-endian
 DE u16le           PCM unsigned 16-bit little-endian
 DE u24be           PCM unsigned 24-bit big-endian
 DE u24le           PCM unsigned 24-bit little-endian
 DE u32be           PCM unsigned 32-bit big-endian
 DE u32le           PCM unsigned 32-bit little-endian
 DE u8              PCM unsigned 8-bit
 DE vidc            PCM Archimedes VIDC

s是有符號，u是無符號，f是浮點數(shù)。

be是大端，le是小端。

FFmpeg中Packed和Planar的PCM數(shù)據(jù)區(qū)別

FFmpeg中音視頻數(shù)據(jù)基本上都有Packed(打包格式)和Planar(平面格式)兩種存儲方式，對于雙聲道音頻來說，Packed方式為兩個聲道的數(shù)據(jù)交錯存儲；Planar方式為兩個聲道分開存儲。假設(shè)一個L/R為一個采樣點，數(shù)據(jù)存儲的方式如下所示：

• Packed: L R L R L R L R
• Planar: L L L L R R R R

FFmpeg音頻解碼后的數(shù)據(jù)是存放在AVFrame結(jié)構(gòu)中的。

• Packed格式，frame.data[0]或frame.extended_data[0]包含所有的音頻數(shù)據(jù)中。
• Planar格式，frame.data[i]或者frame.extended_data[i]表示第i個聲道的數(shù)據(jù)（假設(shè)聲道0是第一個）, AVFrame.data數(shù)組大小固定為8，如果聲道數(shù)超過8，需要從frame.extended_data獲取聲道數(shù)據(jù)。

下面為FFmpeg內(nèi)部存儲音頻使用的采樣格式，所有的Planar格式后面都有字母P標識。

enum AVSampleFormat {
    AV_SAMPLE_FMT_NONE = -1,
    AV_SAMPLE_FMT_U8,          ///< unsigned 8 bits
    AV_SAMPLE_FMT_S16,         ///< signed 16 bits
    AV_SAMPLE_FMT_S32,         ///< signed 32 bits
    AV_SAMPLE_FMT_FLT,         ///< float
    AV_SAMPLE_FMT_DBL,         ///< double

    AV_SAMPLE_FMT_U8P,         ///< unsigned 8 bits, planar
    AV_SAMPLE_FMT_S16P,        ///< signed 16 bits, planar
    AV_SAMPLE_FMT_S32P,        ///< signed 32 bits, planar
    AV_SAMPLE_FMT_FLTP,        ///< float, planar
    AV_SAMPLE_FMT_DBLP,        ///< double, planar
    AV_SAMPLE_FMT_S64,         ///< signed 64 bits
    AV_SAMPLE_FMT_S64P,        ///< signed 64 bits, planar

???????    AV_SAMPLE_FMT_NB           ///< Number of sample formats. DO NOT USE if linking dynamically
};

說明：

Planar模式是ffmpeg內(nèi)部存儲模式，我們實際使用的音頻文件都是Packed模式的。

FFmpeg解碼不同格式的音頻輸出的音頻采樣格式不是一樣。測試發(fā)現(xiàn)，其中AAC解碼輸出的數(shù)據(jù)為浮點型的 AV_SAMPLE_FMT_FLTP 格式，MP3解碼輸出的數(shù)據(jù)為 AV_SAMPLE_FMT_S16P 格式（使用的mp3文件為16位深）。具體采樣格式可以查看解碼后的AVFrame中的format成員或解碼器的AVCodecContext中的sample_fmt成員。

Planar或者Packed模式直接影響到保存文件時寫文件的操作，操作數(shù)據(jù)的時候一定要先檢測音頻采樣格式。

實戰(zhàn)FFmpeg分離出PCM數(shù)據(jù)

先用ffprobe命令查看文件詳情

ffprobe -i input.mp4

詳情

#音頻
  Stream #0:0(und): Audio: aac (LC) (mp4a / 0x6134706D), 
  44100 Hz, stereo, fltp, 128 kb/s (default)
    Metadata:
      creation_time   : 2020-10-12T15:12:33.000000Z
      vendor_id       : [0][0][0][0]
#視頻      
  Stream #0:1(und): Video: h264 (High) (avc1 / 0x31637661), 
  yuv420p, 368x384, 383 kb/s, 29.95 fps, 
  29.97 tbr, 90k tbn, 60 tbc (default)
    Metadata:
      creation_time   : 2020-10-12T15:12:33.000000Z
      vendor_id       : [0][0][0][0]
      encoder         : JVT/AVC Coding

用ffmpeg命令轉(zhuǎn)換

ffmpeg -i input.mp4 -ar 44100 -ac 2 -f s16le output.pcm

其中

# 輸入文件
-i 
# 格式
-f fmt              force format
#設(shè)置音頻采樣率
-ar rate            set audio sampling rate (in Hz)
#設(shè)置音頻通道數(shù)
-ac channels        set number of audio channels

輸出

Audicity播放

文件-原理音頻

分離雙聲道PCM音頻數(shù)據(jù)左右聲道的數(shù)據(jù)

按照雙聲道的LRLRLR的PCM音頻數(shù)據(jù)可以通過將它們交叉的讀出來的方式來分離左右聲道的數(shù)據(jù)。

int pcm_s16le_split(const char* file, const char* out_lfile, const char* out_rfile) {
     FILE *fp = fopen(file, "rb+");
     if (fp == NULL) {
         printf("open %s failed\n", file);
         return -1;
     }
     FILE *fp1 = fopen(out_lfile, "wb+");
     if (fp1 == NULL) {
         printf("open %s failed\n", out_lfile);
         return -1;
     }
     FILE *fp2 = fopen(out_rfile, "wb+");
     if (fp2 == NULL) {
         printf("open %s failed\n", out_rfile);
         return -1;
     }
     char * sample = (char *)malloc(4);
     while(!feof(fp)) {
         fread(sample, 1, 4, fp);
         //L
         fwrite(sample, 1, 2, fp1);
         //R
         fwrite(sample + 2, 1, 2, fp2);
     }
     free(sample);
     fclose(fp);
     fclose(fp1);
     fclose(fp2);
     return 0;
 }

函數(shù)說明

fread函數(shù)

描述

C 庫函數(shù) size_t fread(void *ptr, size_t size, size_t nmemb, FILE *stream) 從給定流 stream 讀取數(shù)據(jù)到 ptr 所指向的數(shù)組中。

聲明

下面是 fread() 函數(shù)的聲明。

size_t fread(void *ptr, size_t size, size_t nmemb, FILE *stream)

參數(shù)

• ptr – 這是指向帶有最小尺寸 size*nmemb 字節(jié)的內(nèi)存塊的指針。
• size – 這是要讀取的每個元素的大小，以字節(jié)為單位。
• nmemb – 這是元素的個數(shù)，每個元素的大小為 size 字節(jié)。
• stream – 這是指向 FILE 對象的指針，該 FILE 對象指定了一個輸入流。

返回值

成功讀取的元素總數(shù)會以 size_t 對象返回，size_t 對象是一個整型數(shù)據(jù)類型。如果總數(shù)與 nmemb 參數(shù)不同，則可能發(fā)生了一個錯誤或者到達了文件末尾。

fwrite函數(shù)

描述

C 庫函數(shù) size_t fwrite(const void *ptr, size_t size, size_t nmemb, FILE *stream) 把 ptr 所指向的數(shù)組中的數(shù)據(jù)寫入到給定流 stream 中。

聲明

下面是 fwrite() 函數(shù)的聲明。

size_t fwrite(const void *ptr, size_t size, size_t nmemb, FILE *stream)

參數(shù)

• ptr – 這是指向要被寫入的元素數(shù)組的指針。
• size – 這是要被寫入的每個元素的大小，以字節(jié)為單位。
• nmemb – 這是元素的個數(shù)，每個元素的大小為 size 字節(jié)。
• stream – 這是指向 FILE 對象的指針，該 FILE 對象指定了一個輸出流。

返回值

如果成功，該函數(shù)返回一個 size_t 對象，表示元素的總數(shù)，該對象時一個整型數(shù)據(jù)類型。如果該數(shù)字與 nmemb 參數(shù)不同，則會顯示一個錯誤。

fopen函數(shù)

描述

C 庫函數(shù) FILE *fopen(const char *filename, const char *mode) 使用給定的模式 mode 打開 filename 所指向的文件。

聲明

下面是 fopen() 函數(shù)的聲明。

FILE *fopen(const char *filename, const char *mode)

參數(shù)

• filename – 這是 C 字符串，包含了要打開的文件名稱。
• mode – 這是 C 字符串，包含了文件訪問模式，模式如下：

返回值

該函數(shù)返回一個 FILE 指針。否則返回 NULL，且設(shè)置全局變量 errno 來標識錯誤。

以上就是FFmpeg實戰(zhàn)之分離出PCM數(shù)據(jù)的詳細內(nèi)容，更多關(guān)于FFmpeg分離PCM數(shù)據(jù)的資料請關(guān)注腳本之家其它相關(guān)文章！