WAV文件格式分析（附AVI文件格式分析）

eshii

已于 2022-05-07 09:52:16 修改

阅读量1.9k

点赞数

分类专栏：数据压缩文章标签：数据结构图像处理 visualstudio

于 2022-05-05 14:28:11 首次发布

本文链接：https://blog.csdn.net/weixin_47005361/article/details/124583278

版权

数据压缩专栏收录该内容

9 篇文章 0 订阅

订阅专栏

Q1：音频和视频的数据是如何放置的？交织放置or连续放置？

Q2：一个视频帧大约占据多少字节？一个音频数据块大约占用多少字节？

参考资料

一、WAV格式简介

Waveform Audio File Format（WAVE，又或者是因为WAV后缀而被大众所知的），它采用RIFF（Resource Interchange File Format）文件格式结构。通常用来保存PCM格式的原始音频数据，所以通常被称为无损音频。其文件扩展名为WAV，是WaveForm的简写，也称为波形文件，可直接存储声音波形，还原的波形曲线十分逼真。

本文将以下列音频为例进行分析：

该WAV文件的大小是2309966字节，时长为13秒。

二、WAV格式结构

WAV文件以chunk为最小存储单位。一般由三个区块组成：

RIFF chunk
Format chunk
Data chunk

此外，文件中还可能包含一些可选的区块，如Fact chunk、Cue points chunk、Playlist chunk、Associated data list chunk等。

1.RIFF chunk

名称	字节数（bytes）	说明
标识符（ChunkID）	4	大写字符串"RIFF",标明该文件为有效的 RIFF 格式文档。
数据长度（Chunksize）	4	从下一个字段首地址开始到文件末尾的总字节数。该字段的数值加 8 为当前文件的实际长度。
格式类型（Format）	4	所有 WAV 格式的文件此处为字符串"WAVE",标明该文件是 WAV 格式文件。

实例分析：

“52 49 46 46”：是Ascii字符“RIFF”，这部分是固定格式，表明这是一个WAVE文件头。
“46 3F 23 00”：是这个WAV文件的数据大小，这个大小包括除了前面4个字节的所有字节，也就等于文件总字节数减去8。16进制的“46 3F 23 00”对应是十进制的“2309958”。（注意：读取的方式应是低位在前高位在后，也就是要计算“00 23 3F 46”对应的十进制值。）
“57 41 56 45”：是Ascii字符“WAVE”，是固定格式。

2.Format chunk

名称	字节数	端序	说明
格式块标识	4	大	小写字符串,"fmt "
格式块长度	4	小	其数值不确定,取决于编码格式。可以是 16、 18 、20、40 等
编码格式代码	2	小	常见的 WAV 文件使用 PCM 脉冲编码调制格式,该数值通常为 1
声道个数	2	小	单声道为 1,立体声或双声道为 2
采样频率	4	小	每个声道单位时间采样次数。常用的采样频率有 11025, 22050 和 44100 kHz
数据传输速率	4	小	该数值为:声道数×采样频率×每样本的数据位数/8。播放软件利用此值可以估计缓冲区的大小
数据块对齐单位	2	小	采样帧大小。该数值为:声道数×位数/8。播放软件需要一次处理多个该值大小的字节数据,用该数值调整缓冲区
采样位数	2	小	存储每个采样值所用的二进制数位数。常见的位数有 4、8、12、16、24、32

实例分析：

“66 6D 74 20”：表示标识符“fmt”。
“10 00 00 00”：对应数字“16”，表示后面有一段的数据长度是16个字节，即偏移量从14H~23H。
“01 00”：对应数字“1”，表示该数据以PCM方式进行编码。
“02 00”：对应数字“2”，表示该文件是双声道文件。
“44 AC 00 00”：对应数字“44100”，表示采样频率为44100Hz，采样率（每秒样本数），表示每个通道的播放速度。
“10 B1 02 00”：对应数字“176400”，表示波形音频数据传输速率为176400（=2*44100*16/8）。
“04 00”：对应数字“4”，表示块对其单位，说明该播放软件一次需要处理多个4字节大小的数据（=2*16/8）。
“10 00”：对应数字“16”，表示采样大小为16Bits，是每样本的数据位数。若有多个声道，则每个声道样本大小都一样，高八位表示左声道，低八位表示右声道。