python音频处理用到的操作的示例代码
前言 本文主要记录python下音频常用的操作,以.wav格式文件为例。其实网上有很多现成的音频工具包,如果仅仅调用,工具包是更方便的。 更多pyton下的操作可以参考: 用python做科学计算 1、批量读取.wav文件名: 这里用到字符串路径: 1.通常意义字符串(str) 如: path = './file/n' path = r'.filen' path = '.filen' 三者等价,右划线为转义字符,引号前加r表示原始字符串,而不转义(r:raw string). 常用获取帮助的方式: >>> help(str) >>> dir(str) >>> help(str.replace) 2、读取.wav文件 wave.open 用法: wave.open(file,mode) mode可以是: ‘rb',读取文件; ‘wb',写入文件; 不支持同时读/写操作。 Wave_read.getparams用法: f = wave.open(file,'rb') params = f.getparams() nchannels,sampwidth,framerate,nframes = params[:4] 其中最后一行为常用的音频参数:
单通道 对应code: import wave import matplotlib.pyplot as plt import numpy as np import os filepath = "./data/" #添加路径 filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[1],nframes = params[:4] strData = f.readframes(nframes)#读取音频,字符串格式 waveData = np.fromstring(strData,dtype=np.int16)#将字符串转化为int waveData = waveData*1.0/(max(abs(waveData)))#wave幅值归一化 # 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')#标尺,on:有,off:无。 结果图: 多通道 这里通道数为3,主要借助np.reshape一下,其他同单通道处理完全一致,对应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/" #添加路径 filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[0],dtype=np.int16)#将字符串转化为int waveData = waveData*1.0/(max(abs(waveData)))#wave幅值归一化 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')#标尺,on:有,off:无。 plt.subplot(5,3) plt.plot(time,1]) plt.xlabel("Time(s)") plt.ylabel("Amplitude") plt.title("Ch-2 wavedata") plt.grid('on')#标尺,on:有,off:无。 plt.subplot(5,5) plt.plot(time,2]) plt.xlabel("Time(s)") plt.ylabel("Amplitude") plt.title("Ch-3 wavedata") plt.grid('on')#标尺,on:有,off:无。 plt.show() 效果图: 单通道为多通道的特例,所以多通道的读取方式对任意通道wav文件都适用。需要注意的是,waveData在reshape之后,与之前的数据结构是不同的。即waveData[0]等价于reshape之前的waveData,但不影响绘图分析,只是在分析频谱时才有必要考虑这一点。 3、wav写入 涉及到的主要指令有三个: 参数设置: nchannels = 1 #单通道为例 sampwidth = 2 fs = 8000 data_size = len(outData) framerate = int(fs) nframes = data_size comptype = "NONE" compname = "not compressed" outwave.setparams((nchannels,nframes,comptype,compname)) 待写入wav文件的存储路径及文件名: outfile = filepath+'out1.wav' outwave = wave.open(outfile,'wb')#定义存储路径以及文件名 数据的写入: for v in outData: outwave.writeframes(struct.pack('h',int(v * 64000 / 2)))#outData:16位,-32767~32767,注意不要溢出 单通道数据写入: import wave #import matplotlib.pyplot as plt import numpy as np import os import struct #wav文件读取 filepath = "./data/" #添加路径 filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[1],dtype=np.int16)#将字符串转化为int waveData = waveData*1.0/(max(abs(waveData)))#wave幅值归一化 f.close() #wav文件写入 outData = waveData#待写入wav的数据,这里仍然取waveData数据 outfile = filepath+'out1.wav' outwave = wave.open(outfile,'wb')#定义存储路径以及文件名 nchannels = 1 sampwidth = 2 fs = 8000 data_size = len(outData) framerate = int(fs) nframes = data_size comptype = "NONE" compname = "not compressed" outwave.setparams((nchannels,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() 多通道数据写入: 多通道的写入与多通道读取类似,多通道读取是将一维数据reshape为二维,多通道的写入是将二维的数据reshape为一维,其实就是一个逆向的过程: import wave #import matplotlib.pyplot as plt import numpy as np import os import struct #wav文件读取 filepath = "./data/" #添加路径 filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[0],nchannels]) f.close() #wav文件写入 outData = waveData#待写入wav的数据,这里仍然取waveData数据 outData = np.reshape(outData,[nframes*nchannels,1]) outfile = filepath+'out2.wav' outwave = wave.open(outfile,'wb')#定义存储路径以及文件名 nchannels = 3 sampwidth = 2 fs = 8000 data_size = len(outData) framerate = int(fs) nframes = data_size comptype = "NONE" compname = "not compressed" outwave.setparams((nchannels,int(v * 64000 / 2)))#outData:16位,-32767~32767,注意不要溢出 outwave.close() 这里用到struct.pack(.)二进制的转化: 例如: 4、音频播放 wav文件的播放需要用到pyaudio,安装包点击这里。我将它放在Scripts文件夹下,cmd并切换到对应目录 pip install PyAudio-0.2.9-cp35-none-win_amd64.whl pyaudio安装完成。 Pyaudio主要用法: 主要列出pyaudio对象的open()方法的参数:
给出对应code: import wave import pyaudio import os #wav文件读取 filepath = "./data/" #添加路径 filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[0],nframes = params[:4] #instantiate PyAudio p = pyaudio.PyAudio() #define stream chunk chunk = 1024 #打开声音输出流 stream = p.open(format = p.get_format_from_width(sampwidth),channels = nchannels,rate = framerate,output = True) #写声音输出流到声卡进行播放 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() 因为是python3.5,判断语句if data == b'': break 的b不能缺少。 5、信号加窗 通常对信号截断、分帧需要加窗,因为截断都有频域能量泄露,而窗函数可以减少截断带来的影响。 窗函数在scipy.signal信号处理工具箱中,如hamming窗: import scipy.signal as signal pl.plot(signal.hanning(512)) 利用上面的函数,绘制hanning窗: import pylab as pl import scipy.signal as signal pl.figure(figsize=(6,2)) pl.plot(signal.hanning(512)) 6、信号分帧 信号分帧的理论依据,其中x是语音信号,w是窗函数: 加窗截断类似采样,为了保证相邻帧不至于差别过大,通常帧与帧之间有帧移,其实就是插值平滑的作用。 给出示意图: 这里主要用到numpy工具包,涉及的指令有:
对比一下: 向量情况: 矩阵情况: 对于数据: repeat操作: tile操作: 对应结果: 对应分帧的代码实现: 这是没有加窗的示例: import numpy as np import wave import os #import math def enframe(signal,nw,inc): '''将音频信号转化为帧。 参数含义: signal:原始音频型号 nw:每一帧的长度(这里指采样点的长度,即采样频率乘以时间间隔) inc:相邻帧的间隔(同上定义) ''' signal_length=len(signal) #信号总长度 if signal_length<=nw: #若信号长度小于一个帧的长度,则帧数定义为1 nf=1 else: #否则,计算帧的总长度 nf=int(np.ceil((1.0*signal_length-nw+inc)/inc)) pad_length=int((nf-1)*inc+nw) #所有帧加起来总的铺平后的长度 zeros=np.zeros((pad_length-signal_length,)) #不够的长度使用0填补,类似于FFT中的扩充数组操作 pad_signal=np.concatenate((signal,zeros)) #填补后的信号记为pad_signal indices=np.tile(np.arange(0,nw),(nf,1))+np.tile(np.arange(0,nf*inc,inc),(nw,1)).T #相当于对所有帧的时间点进行抽取,得到nf*nw长度的矩阵 indices=np.array(indices,dtype=np.int32) #将indices转化为矩阵 frames=pad_signal[indices] #得到帧信号 # win=np.tile(winfunc(nw),1)) #window窗函数,这里默认取1 # return frames*win #返回帧信号矩阵 return frames def wavread(filename): f = wave.open(filename,'rb') params = f.getparams() nchannels,nframes = params[:4] strData = f.readframes(nframes)#读取音频,字符串格式 waveData = np.fromstring(strData,dtype=np.int16)#将字符串转化为int f.close() waveData = waveData*1.0/(max(abs(waveData)))#wave幅值归一化 waveData = np.reshape(waveData,nchannels]).T return waveData filepath = "./data/" #添加路径 dirname= os.listdir(filepath) #得到文件夹下的所有文件名称 filename = filepath+dirname[0] data = wavread(filename) nw = 512 inc = 128 Frame = enframe(data[0],inc) 如果需要加窗,只需要将函数修改为: def enframe(signal,inc,winfunc): '''将音频信号转化为帧。 参数含义: signal:原始音频型号 nw:每一帧的长度(这里指采样点的长度,即采样频率乘以时间间隔) inc:相邻帧的间隔(同上定义) ''' signal_length=len(signal) #信号总长度 if signal_length<=nw: #若信号长度小于一个帧的长度,则帧数定义为1 nf=1 else: #否则,计算帧的总长度 nf=int(np.ceil((1.0*signal_length-nw+inc)/inc)) pad_length=int((nf-1)*inc+nw) #所有帧加起来总的铺平后的长度 zeros=np.zeros((pad_length-signal_length,dtype=np.int32) #将indices转化为矩阵 frames=pad_signal[indices] #得到帧信号 win=np.tile(winfunc,1)) #window窗函数,这里默认取1 return frames*win #返回帧信号矩阵 其中窗函数,以hamming窗为例: winfunc = signal.hamming(nw) Frame = enframe(data[0],winfunc) 调用即可。 7、语谱图 其实得到了分帧信号,频域变换取幅值,就可以得到语谱图,如果仅仅是观察,matplotlib.pyplot有specgram指令: import wave import matplotlib.pyplot as plt import numpy as np import os filepath = "./data/" #添加路径 filename= os.listdir(filepath) #得到文件夹下的所有文件名称 f = wave.open(filepath+filename[0],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() 以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持编程小技巧。 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |
- python – 大型Numpy Scipy CSR矩阵,行式操作
- 扒糗事百科精华的python爬虫
- Python Popen shell = False导致OSError:[Errno 2]没有这样
- Python %r、%s区别示例
- python – 在代理下的dockerfile中的pip
- python – 在外部文件中存储unpicklabe pygame.Surface对象
- python – flask sqlalchemy未知数据库错误
- python – 熊猫数据精度
- Python判断字符串与大小写转换
- 【python】RuntimeError: Lock objects should only be sha