AVI和WAV文件格式和实例分析

tony5243

已于 2022-03-13 15:07:15 修改

阅读量711

点赞数 1

分类专栏：数据压缩文章标签：音视频语音识别

于 2022-03-13 12:50:51 首次发布

本文链接：https://blog.csdn.net/tony5243/article/details/123450394

版权

数据压缩专栏收录该内容

9 篇文章 0 订阅

订阅专栏

一、AVI文件分析

通过AVI文件分析器打开一个AVI文件，可看出音频和视频数据是交织放置的

其两个数据流如下：

// AVIMAINHEADER
public static readonly int AVIF_HASINDEX = 0x00000010;       //文件最后是否有索引
public static readonly int AVIF_MUSTUSEINDEX = 0x00000020;   //必须使用索引
public static readonly int AVIF_ISINTERLEAVED = 0x00000100;  //交错放置
public static readonly int AVIF_TRUSTCKTYPE = 0x00000800;    //使用CKtype查找帧
public static readonly int AVIF_WASCAPTUREFILE = 0x00010000; //捕获文件
public static readonly int AVIF_COPYRIGHTED = 0x00020000;    //受版权保护

二、WAV文件分析

1.WAV格式介绍

WAV为微软公司（Microsoft）开发的一种声音文件格式，它符合RIFF(Resource Interchange File Format)文件规范，用于保存Windows平台的音频信息资源，被Windows平台及其应用程序所广泛支持，该格式也支持MSADPCM，CCITT A LAW等多种压缩运算法，支持多种音频数字，取样频率和声道，标准格式化的WAV文件和CD格式一样，也是44.1K的取样频率，16位量化数字。

2.WAV文件构成

（1）各子块格式分析

WAV文件是属于RIFF结构形式的文件，这种结构是一种树状结构，其最基本的组成单元是chunk（块），而每一个chunk则由辨识码，数据大小，以及数据本身组成，其中辨识码就是RIFF四个字母的ASCII码，共占用4个字节，用十六进制表示就是52 49 46 46；辨识码之后的四个字节，表示除去文件辨识码和它自己之后剩余文件的大小，最后就是文件的数据。

而WAV格式的文件除了前面的文件头之后，还包含三个子块：

format子块主要用于描述该wav文件的信息，例如，采样率，数据量，编码格式，声道数等，其结构也如RIFF，最开始4个字节表示标识符“fmt”，接着四个字符表示该块大小，后面的18个字节则表示文件的信息，在format子块中WAVEFORMATEX占了18字节，而标准的WAV应该是16字节，只有一些软件生成的文件会在其后面增加两个字节的附加信息；
fact子块并不是必须的，在标准的WAV文件中没有该子块，只有一些软件转化而来的才会增加该子块，其主要存储关于该文件内容的重要信息；
data块则主要就是WAV文件真正能播放的声音数据部分。

子块		内容	字节数	端序
文件头		标识符（RIFF）	4 Bytes	大端
		数据大小	4 Bytes	小端
		格式辨识码（WAVE）	4 Bytes	大端
数据	format子块	“fmt”	4 Bytes	大端
		Size（该区块数据长度）	4 Bytes	小端
		AudioFormat（音频格式）	2 Bytes	小端
		NumChannels（声道数）	2 Bytes	小端
		SampleRate（采样率）	4 Bytes	小端
		ByteRate（每秒数据字节数）	4 Bytes	小端
		BlockAlign（每个采样所需的字节数）	2 Bytes	小端
		BitsPerSample（采样位数）	2 Bytes	小端
	fact子块	"fact"	4 Byte	大端
		子块大小	4 Byte	小端
		子块数据	4 Byte	小端
	data子块	“data”	4 Byte	大端
		音频数据的长度	4 Byte	小端
		音频数据	4 Byte	小端

端序：小端：低位在前，高位在后；大端：高位在前，低位在后
ByteRate每秒数据字节数 = SampleRate * NumChannels * BitsPerSample / 8
BlockAlign每个采样所需的字节数 = NumChannels * BitsPerSample / 8
BitsPerSample每个采样存储的bit数，8：8bit，16：16bit，32：32bit
音频数据的长度 = ByteRate * seconds

（2）data子块数据分布

8bit单声道

采样1	采样2
数据1	数据2

8bit双声道

采样1		采样2
声道1数据1	声道2数据1	声道1数据2	声道2数据2

16bit单声道

采样1		采样2
数据1低字节	数据1高字节	数据2低字节	数据2高字节

16bit双声道

采样1
声道1数据1低字节	声道1数据1高字节	声道2数据1低字节	声道2数据1高字节
采样2
声道1数据2低字节	声道1数据2高字节	声道2数据2低字节	声道2数据2高字节