准备工作：
首先，我们需要 import 几个工具包，一个是 python 标准库中的 wave 模块，用于音频处理操作，另外两个是 numpy 和 matplot，提供数据处理函数。
一：读取本地音频数据
处理音频第一步是需要从让计算机“听到”声音，这里我们使用 python 标准库中自带的 wave模块进行音频参数的获取。
（1） 导入 wave 模块
（2） 使用 wave 中的函数 open 打开音频文件，wave.open(file,mode)函数带有两个参数， 第一个 file 是所需要打开的文件名及路径，使用字符串表示；第二个 mode 是打开的模式，也是用字符串表示 （'rb'或'wb'）
（3） 打开音频后使用 getparams() 获取音频基本的相关参数（nchannels:声道数，
sampwidth:量化位数或量化深度，framerate:采样频率，nframes:采样点数）
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
# 导入 wave 模块import wave# 用于绘制波形图import matplotlib.pyplot as plt# 用于计算波形数据import numpy as np# 用于系统处理，如读取本地音频文件import os # 打开WAV文档f = wave.open(r"2.wav",'rb' )# 读取格式信息params = f.getparams ()nchannels,sampwidth, framerate, nframes = params [:4]print(framerate) |
二：读取单通道音频，并绘制波形图（常见音频为左右2个声道）
（1） 通过第一步，可以继续读取音频数据本身，保存为字符串格式
readframes：
读取声音数据，传递一个参数指定需要读取的长度（以取样点为单位），readframes返回的是二进制数据（一大堆bytes)，在Python中用字符串表示二进制数据。
strData = f.readframes(nframes)
（2） 如果需要绘制波形图，则需要将字符串格式的音频数据转化为 int 类型
frombuffer：
根据声道数和量化单位，将读取的二进制数据转换为一个可以计算的数组。
通过frombuffer函数将二进制转换为整型数组，通过其参数dtype指定转换后的数据格式。
waveData=np.frombuffer(strData,dtype=np.int16)
此处需要使用到 numpy 进行数据格式的转化
（3） 将幅值归一化
把数据变成（０，１）之间的小数。主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速。
waveData=waveData*1.0/(max(abs(waveData)))
这一步去掉也可画出波形图，可以尝试不用此步，找出波形图的不同
（4） 绘制图像
通过取样点数和取样频率计算出取样的时间：
time = np.arange(0,nframes)*(1.0/framerate)
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
import wave# 导入 wave 模块import matplotlib.pyplot as plt# 用于绘制波形图import numpy as np# 用于计算波形数据import os# 用于系统处理，如读取本地音频文件 f = wave.open(r"di.wav",'rb' )params = f.getparams ()nchannels,sampwidth, framerate, nframes = params [:4]print(framerate) # 读取波形数据strData = f.readframes(nframes)# 将字符串转换为16位整数waveData = np.frombuffer(strData,dtype=np.int16)# 幅值归一化waveData = waveData*1.0/(max(abs(waveData)))#计算音频的时间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.show() |
效果图
到此这篇关于python音频处理的示例详解的文章就介绍到这了,更多相关python音频处理内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://blog.csdn.net/qq_44109982/article/details/111560494
