收藏本站 收藏本站
積木網首頁 - 軟件測試 - 常用手冊 - 站長工具 - 技術社區
首頁 > python > 正文

首頁 - PHP - 數據庫 - 操作系統 - 游戲開發 - JS - Android - MySql - Redis - MongoDB - Win8 - Shell編程 - DOS命令 - jQuery - CSS樣式 - Python - Perl

Access - Oracle - DB2 - SQLServer - MsSql2008 - MsSql2005 - Sqlite - PostgreSQL - node.js - extjs - JavaScript vbs - Powershell - Ruby

python音頻處理用到的操作的示例代碼

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。

更多pyton下的操作可以參考: 用python做科學計算

1、批量讀取.wav文件名:

這里用到字符串路徑:

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'.filen'

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]

其中最后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:

查看圖片

多通道

這里通道數為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:

查看圖片

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。需要注意的是,waveData在reshape之后,與之前的數據結構是不同的。即waveData[0]等價于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,注意不要溢出

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,這里仍然取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,注意不要溢出

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,這里仍然取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,注意不要溢出

outwave.close()

這里用到struct.pack(.)二進制的轉化:

查看圖片

例如:

查看圖片

查看圖片

4、音頻播放

wav文件的播放需要用到pyaudio,安裝包點擊這里。我將它放在Scripts文件夾下,cmd并切換到對應目錄

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:輸入流標志,Ture表示開始輸入流 output:輸出流標志

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))

查看圖片

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:

查看圖片

加窗截斷類似采樣,為了保證相鄰幀不至于差別過大,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:

查看圖片

這里主要用到numpy工具包,涉及的指令有:

np.repeat:主要是直接重復 np.tile:主要是周期性重復

對比一下:

向量情況:查看圖片

矩陣情況:

對于數據:查看圖片

repeat操作:查看圖片

tile操作:查看圖片

對應結果:

查看圖片

查看圖片

對應分幀的代碼實現:

這是沒有加窗的示例:

import numpy as np

import wave

import os

#import math

 

def enframe(signal, nw, inc):

  '''將音頻信號轉化為幀。

  參數含義:

  signal:原始音頻型號

  nw:每一幀的長度(這里指采樣點的長度,即采樣頻率乘以時間間隔)

  inc:相鄰幀的間隔(同上定義)

  '''

  signal_length=len(signal) #信號總長度

  if signal_length<=nw: #若信號長度小于一個幀的長度,則幀數定義為1

    nf=1

  else: #否則,計算幀的總長度

    nf=int(np.ceil((1.0*signal_length-nw+inc)/inc))

  pad_length=int((nf-1)*inc+nw) #所有幀加起來總的鋪平后的長度

  zeros=np.zeros((pad_length-signal_length,)) #不夠的長度使用0填補,類似于FFT中的擴充數組操作

  pad_signal=np.concatenate((signal,zeros)) #填補后的信號記為pad_signal

  indices=np.tile(np.arange(0,nw),(nf,1))+np.tile(np.arange(0,nf*inc,inc),(nw,1)).T #相當于對所有幀的時間點進行抽取,得到nf*nw長度的矩陣

  indices=np.array(indices,dtype=np.int32) #將indices轉化為矩陣

  frames=pad_signal[indices] #得到幀信號

#  win=np.tile(winfunc(nw),(nf,1)) #window窗函數,這里默認取1

#  return frames*win  #返回幀信號矩陣

  return frames

def wavread(filename):

  f = wave.open(filename,'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

  f.close()

  waveData = waveData*1.0/(max(abs(waveData)))#wave幅值歸一化

  waveData = np.reshape(waveData,[nframes,nchannels]).T

  return waveData

 

filepath = "./data/" #添加路徑

dirname= os.listdir(filepath) #得到文件夾下的所有文件名稱 

filename = filepath+dirname[0]

data = wavread(filename)

nw = 512

inc = 128

Frame = enframe(data[0], nw, inc) 

如果需要加窗,只需要將函數修改為:

def enframe(signal, nw, inc, winfunc):

  '''將音頻信號轉化為幀。

  參數含義:

  signal:原始音頻型號

  nw:每一幀的長度(這里指采樣點的長度,即采樣頻率乘以時間間隔)

  inc:相鄰幀的間隔(同上定義)

  '''

  signal_length=len(signal) #信號總長度

  if signal_length<=nw: #若信號長度小于一個幀的長度,則幀數定義為1

    nf=1

  else: #否則,計算幀的總長度

    nf=int(np.ceil((1.0*signal_length-nw+inc)/inc))

  pad_length=int((nf-1)*inc+nw) #所有幀加起來總的鋪平后的長度

  zeros=np.zeros((pad_length-signal_length,)) #不夠的長度使用0填補,類似于FFT中的擴充數組操作

  pad_signal=np.concatenate((signal,zeros)) #填補后的信號記為pad_signal

  indices=np.tile(np.arange(0,nw),(nf,1))+np.tile(np.arange(0,nf*inc,inc),(nw,1)).T #相當于對所有幀的時間點進行抽取,得到nf*nw長度的矩陣

  indices=np.array(indices,dtype=np.int32) #將indices轉化為矩陣

  frames=pad_signal[indices] #得到幀信號

  win=np.tile(winfunc,(nf,1)) #window窗函數,這里默認取1

  return frames*win  #返回幀信號矩陣

其中窗函數,以hamming窗為例:

winfunc = signal.hamming(nw)

Frame = enframe(data[0], nw, inc, winfunc)

調用即可。

7、語譜圖

其實得到了分幀信號,頻域變換取幅值,就可以得到語譜圖,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()

查看圖片

以上就是本文的全部內容,希望對大家的學習有所幫助,也希望大家多多支持積木網。

Python探索之自定義實現線程池
為什么需要線程池呢?設想一下,如果我們使用有任務就開啟一個子線程處理,處理完成后,銷毀子線程或等得子線程自然死亡,那么如果我們的任務

Python算法之求n個節點不同二叉樹個數
問題創建一個二叉樹二叉樹有限多個節點的集合,這個集合可能是:空集由一個根節點,和兩棵互不相交的,分別稱作左子樹和右子樹的二叉樹組成創

Python 列表理解及使用方法
Python列表理解及使用方法列表是最常用的Python最常用的數據類型,它和其它序列一樣,可以進行包括索引,切片,加,乘,檢查成員的操作。列表的數據

本周排行

更新排行

強悍的草根IT技術社區,這里應該有您想要的! 友情鏈接:b2b電子商務
Copyright © 2010 Gimoo.Net. All Rights Rreserved  京ICP備05050695號
时时彩免费分析软件