RIFF和WAVE文件格式

RIFF

RIFF全称为资源互换文件格式(Resources Interchange File Format),是Windows下大部分多媒体文件遵循的一种文件结构。RIFF文件所包含的数据类型由该文件的扩展名来标识,能以RIFF格式存储的数据及对应文件有:
- 音频视频交错格式数据 .AVI
- 波形格式数据 .WAV
- 位图数据格式 .RDI
- MIDI格式数据 .RMI
- 调色板格式 .PAL
- 多媒体电影 .RMN
- 动画光标 .ANI
- 其他的RIFF文件 .BND

CHUNK

chunk是RIFF文件的基本单元,其基本结构如下:

struct chunk
{
    uint32_t id;         /* 块标志 */
    uint32_t size;       /* 块大小 */
    uint8_t data[size];  /* 块数据 */
};

- id  4字节,用以标识块中所包含的数据。如:RIFF,LIST,fmt,data,WAV,AVI等,由于这种文件结构 最初是由Microsoft和IBM为PC机所定义,RIFF文件是按照小端 little-endian字节顺序写入的
-size  块大小 存储在data域中的数据长度,不包含id和size的大小
-data  包含数据,数据以字为单位存放,如果数据长度为奇数(字节为单位),则最后添加一个空字节

chunk是可以嵌套的,但是只有块标志为RIFF或者LIST的chunk才能包含其他的chunk。

RIFF CHUNK

标志为RIFF的chunk是比较特殊的,每一个RIFF文件首先存放的必须是一个RIFF chunk,并且只能有这一个标志为RIFF的chunk。RIFF的数据域的起始位置是一个4字节码(FOURCC),用于标识其数据域中chunk的数据类型;紧接着数据域的内容则是包含的subchunk,如下图

RIFF和WAVE文件格式_第1张图片

这是一个RIFF chunk中包含有两个subchunk,可以看出RIFF chunk的数据域首先是是4字节的 Form Type,接着是两个subchunk,每一个subchun有包含有自己的标识、数据域的大小以及数据域。
除了RIFF cunk可以嵌套其他的chunk外,另一个可以有subchunk的就是LIST chunk。

RIFF和WAVE文件格式_第2张图片

上图中,首先是RIFF文件必须的RIFF chunk,其数据域又包含有两个subchunk,其中一个subchunk的类型为LIST,该LIST chunk又包含了两个subchunk。

FourCC

FourCC全称为Four-Character Codes,是一个4字节32位的标识符,通常用来标识文件的数据格式。例如,在音视频播放器中,可以通过文件的FourCC来决定调用哪种CODEC进行视音频的解码。例如:DIV3,DIV4,DIVX,H264等,对于音频则有:WAV,MP3等。对于上面的RIFF文件,则有:RIFF,WAVE,fmt,data等。FourCC是4个ASCII字符,不足四个字符的则在最后补充空格(不是空字符)。比如,FourCC fmt,实际上是’f’ ‘m’ ‘t’ ’ ‘。

FourCC的生成通常可以使用如下宏:

#define MAKE_FOURCC(a,b,c,d) \
( ((uint32_t)d) | ( ((uint32_t)c) << 8 ) | ( ((uint32_t)b) << 16 ) | ( ((uint32_t)a) << 24 ) )

在程序中还是不要使用太长的宏为好,在C++中可以使用模板和enum结合的方式,来保证在编译时期就能够将FourCC生成出来。

#define FOURCC uint32_t 
template  struct MakeFOURCC{ enum { value = (ch0 << 0) + (ch1 << 8) + (ch2 << 16) + (ch3 << 24) }; };
FOURCC fourcc_fmt = MakeFOURCC<'f', 'm', 't', ' '>::value;

将字符常量传入模板,在结构体中声明一个enum,编译器会在编译时期确定枚举值,这样就能给保证FOURCC在编译就能生成出来。

WAV文件

WAV 是Microsoft开发的一种音频文件格式,它符合上面提到的RIFF文件格式标准,可以看作是RIFF文件的一个具体实例。既然WAV符合RIFF规范,其基本的组成单元也是chunk。一个WAV文件通常有三个chunk以及一个可选chunk,其在文件中的排列方式依次是:RIFF chunk,Format chunk,Fact chunk(附加块,可选),Data chunk。如下图:

RIFF和WAVE文件格式_第3张图片

 一个WAV文件里,首先是一个RIFF chunk;RIFF chunk又包含有Format chunk,Data chunk以及可选的Fact chunk。各个chunk中字段的意义如下:

RIFF chunk

- id
FOURCC 值为’R’ ‘I’ ‘F’ ‘F’
- size
其data字段中数据的大小 字节数
- data
包含其他的chunk

Format chunk

-id
FOURCC 值为 ‘f’ ‘m’ ‘t’ ’ ‘
-size
数据字段包含数据的大小。如无扩展块,则值为16;有扩展块,则值为= 16 + 2字节扩展块长度 + 扩展块长度或者值为18(只有扩展块的长度为2字节,值为0)
-data
存放音频格式、声道数、采样率等信息
        -format_tag
         2字节,表示音频数据的格式。如值为1,表示使用PCM格式
        -channels
         2字节,声道数。值为1则为单声道,为2则是双声道
        -samples_per_sec
        采样率,主要有22.05KHz,44.1kHz和48KHz
        -bytes_per sec
        音频的码率,每秒播放的字节数。samples_per_sec * channels * bits_per_sample / 8,可以估算出使用缓冲区的大小
        -block_align
         数据块对齐单位,一次采样的大小,值为声道数 * 量化位数 / 8,在播放时需要一次处理多个该值大小的字节数据
         -bits_per_sample
         音频sample的量化位数,有16位,24位和32位等
         -cbSize
         扩展区的长度
         -扩展块内容
         22字节,具体介绍,后面补充

Fact chunk(option)

-id
FOURCC 值为 ‘f’ ‘a’ ‘c’ ‘t’
-size
数据域的长度,4(最小值为4)
-data
采样总数 4字节

Data chunk

-id
FOURCC 值为’d’ ‘a’ ‘t’ ‘a’
-size
数据域的长度
-data
具体的音频数据存放在这里

采用压缩编码的WAV文件,必须要有Fact chunk,该块中只有一个数据,为每个声道的采样总数。

Data chunk的补充

Data块中存放的是音频的采样数据。每个sample按照采样的时间顺序写入,对于使用多个字节的sample,使用小端模式存放(低位字节存放在低地址,高位字节存放在高地址)。对于多声道的sample采用交叉存放的方式。例如:立体双声道的sample存储顺序为:声道1的第一个sample,声道2的第一个sample;声道1的第二个sample,声道2的第二个sample;依次类推….。对于PCM数据,有以下两种的存储方式:

- 单声道,量化位数为8,使用偏移二进制码
- 除上面之外的,使用补码方式存储。
 

你可能感兴趣的:(tinyalsa相关,microsoft,wave,alsa,音视频)