机器学习第3章第10节 : 改变声音音量并绘制图谱
- 声音音量的调节方式和图像亮度的调整类似,不同的是音量调节的是波形大小.
- 音量调节通过调节采样波形的大小实现,采样数据变大时,声音音量放大,采样数据变小时,声音音量降低.
- 音量不能无限调节,音量过大或者过小时,会形成难听的噪音,使声音失真.
注意事项
因正余弦的图像的原因,本文所说的”上下限“是指:
- 上限 : Y轴上方,超过一定的数值,例: abs(8) > abs(5)
- 下限 : Y轴下方,超过一定的数值,例: abs(-8) > abs(-5)
增加音量
思路
- 为保证声音质量,需要对音量调节范围设置上下限,编写waveChange函数,计算调整后的数据,其参数x为每次采样的波形数据,dwmax为上限,dwmin为下限.该函数会将上下限区域内的数据放大为原来的1.5倍,在区域外的数据设置为上下限.
为保证声音放大后不失真,可采用以原声音为基准的放大策略,声音波形图像类似于正余弦函数图像,在以时间轴为X轴,采样数据为Y轴的坐标系中,波形数据可正可负.因此,以原声音数据的最大值为依据计算上下限:
- 上限 : 原声音数据最大值的88%
- 下限 : 原声音数据最大值的14%
- 使用wave_data .max() 获取原声音波形的最大数据值,然后通过frompyfunc函数设置调节音量的回调函数为上面定义的waveChange函数,最后对数据进行放大调节.
- 声音数据放大后,需要减=将新数据写入新的声音文件中,首先以写的方式新建声音文件,
fileOUT = wave.open(r"wav/OUT.wav","wb")
- 设置新文件的数据参数为源文件的数据参数,并写到新声音文件中,放大音量并没有改变格式信息,因此,放大后的声音与源声音的格式信息一样.
- 最后调用wirteframes方法,以放大后的声音数据为参数将数据写入新建的声音文件中.
代码
#!/usr/bin/env python
# -*- coding: utf-8 -*-
""" 放大音量 LouderVolume.py. 为包证声音质量,需要对音量调节范围,设置上限和下限(以原声音为基准,计算上限和下限), 为此编写waveChange(x,dwmax,dwmin)函数,计算调整后的数据,x为每次采样的波形数据, dwmax为上限,dwmin为下限,该函数仅仅会将上限和下限之间的区域内的数据放大为原来的1.5倍, 在此区域外的数据设置为上限和下限 @author: Oscar """
import wave
import pylab as pl
import numpy as np
def waveChange(x,dwmax,dwmin):
""" x -- 每次采样的波形数据 dwmax -- 上限 dwmin -- 下限 """
if x != 0:
if abs(x) > dwmax:
x = x / abs(x) * dwmax
elif abs(x) < dwmin:
x = x / abs(x) * dwmin
else:
x = x * 1.5
return x
#打开wav文档
file = wave.open(r"wav/speak.wav","rb")
fileOUT = wave.open(r"wav/OUT.wav","wb")
#(nchannels,sampwidth,framerate,nframes,comptype,compname)
params = file.getparams()
nchannels,sampwidth,framerate,nframes = params[:4]
print("reading wav file......")
str_data = file.readframes(nframes)
#将波形数据转换为数组,并更改
print("changing wav file......")
wave_data = np.fromstring(str_data,dtype=np.short)
#---start---
#我不知道为什么要重复这几句话,但是是书上的例子,我还是写下来了
params = file.getparams()
nchannels,sampwidth,framerate,nframes = params[:4]
str_data = file.readframes(nframes)
#---end---
#放大音量
""" 为保证放大后不失真,可采用以原声音为基准的放大策略,声音波形图像内室正弦函数图像, 再以时间轴为X轴,采样数据为Y轴的坐标系中,波形数据可正可负,上下波动 因此,以原声音数据的最大值为依据计算上下限,上限为原声音数据最大值的88%,下限为原声音数据最大值的14% """
change_dwmax = wave_data.max() / 100 * 88
change_dmin = wave_data.max() / 100 * 14
""" frompyfunc，把Python里的函数（可以是自写的）转化成ufunc， 用法是frompyfunc(func, nin, nout)，其中func是需要转换的函数，nin是函数的输入参数的个数，nout是此函数的返回值的个数。 注意frompyfunc函数无法保证返回的数据类型都完全一致, 因此返回一个中间类型object，需要再次obj.astype(np.float64)之类将其元素类型强制调齐。 """
wave_change = np.frompyfunc(waveChange,3,1)
new_wave_data = wave_change(wave_data,change_dwmax,change_dmin)
new_wave_data = new_wave_data.astype(wave_data.dtype)
new_str_data = new_wave_data.tostring()
#写波形数据参数,配置声道数、量化位数和取样频率
print("saving new wav file ...")
fileOUT.setnchannels(nchannels)
fileOUT.setframerate(framerate)
fileOUT.setsampwidth(sampwidth)
#将new_str_data转换为二进制数据写入文件
fileOUT.writeframes(new_str_data)
#绘制原声音声音波形
wave_data.shape = -1,2
wave_data = wave_data.T#转置
time = np.arange(0,nframes) * (1.0 / framerate)#计算时间
pl.subplot(2,2,1)
pl.plot(time,wave_data[0],c="b")
pl.xlabel("time (seconds)")
pl.ylabel("Original volume")
pl.subplot(2,2,2)
pl.plot(time,wave_data[1],c="b")
pl.xlabel("time (seconds)")
#绘制放大声音声音波形
new_wave_data.shape = -1,2
new_wave_data = new_wave_data.T#转置
new_time = np.arange(0,nframes) * (1.0 / framerate)#计算时间
pl.subplot(2,2,3)
pl.plot(new_time,new_wave_data[0],c="r")
pl.xlabel("time (seconds)")
pl.ylabel("Louder volume")
pl.subplot(2,2,4)
pl.plot(new_time,new_wave_data[1],c="r")
pl.xlabel("time (seconds)")
#文件使用完毕,释放资源.
file.close()
fileOUT.close()
pl.show()
运行结果
蓝色代表源音频,红色表示放大后的音频,请注意Y轴数据
减小音量
思路
减小音量的算法和增加音量算法差不多,只是上下限改变了
- 上限 : 原声音数据最大值的50%
- 下限 : 原声音数据最大值的20%
代码
#!/usr/bin/env python
# -*- coding: utf-8 -*-
""" LowerVolume.py 减低音量的算法 音量降低可通过将采样波形变小来实现,具体来说,就是把每个采样数据按一定比例缩小 同时将缩小的幅度控制在合理的范围内,保证音量降低后声音仍然清晰 @author: Oscar """
import wave
import numpy as np
import pylab as pl
print("working.....")
def waveChange(x,dwmax,dwmin):
if x != 0:
if abs(x) < dwmax and abs(x) > dwmin:
x *= 0.5
else:
x *= 0.2
return x
#打开wav文件
file = wave.open(r"wav/speak.wav","rb")
fileOUT = wave.open(r"wav/lowerVolumeSpeak.wav","wb")
#读取波形数据
""" 笔记: getparams：一次性返回所有的WAV文件的格式信息，它返回的是一个组元(tuple)： 声道数, 量化位数（byte单位）, 采样频率, 采样点数, 压缩类型, 压缩类型的描述。 nchannels sampwidth framerate nframes comptype compname wave模块只支持非压缩的数据，因此可以忽略最后两个信息： """
#(nchannels,sampwidth,framerate,nframes,comptype,compname)
params = file.getparams()
nchannels,sampwidth,framerate,nframes = params[:4]
str_data = file.readframes(nframes)
#将波形数据转换为数组,并更改:
print("changing wav data......")
wave_data = np.fromstring(str_data,dtype=np.short)
#------start----
#我不知道为什么要重复下面这几句话,但是是书上的例子,我还是写下来了
params = file.getparams()
nchannels,sampwidth,framerate,nframes = params[:4]
str_data = file.readframes(nframes)
#------end------
#降低音量
""" 与放大音量相似,以原声音波形的最大值为基准,计算上限和下限,以waveChange为回调函数,降低音量 """
change_dwmax = wave_data.max() / 100 * 1
change_dwmin = wave_data.max() / 100 * 0.5
""" frompyfunc，把Python里的函数（可以是自写的）转化成ufunc， 用法是frompyfunc(func, nin, nout)，其中func是需要转换的函数，nin是函数的输入参数的个数，nout是此函数的返回值的个数。 注意frompyfunc函数无法保证返回的数据类型都完全一致, 因此返回一个中间类型object，需要再次obj.astype(np.float64)之类将其元素类型强制调齐。 """
wave_change = np.frompyfunc(waveChange,3,1)
out_wave_data = wave_change(wave_data,change_dwmax,change_dwmin)
out_wave_data = out_wave_data.astype(wave_data.dtype)
out_str_data = out_wave_data.tostring()
#把波形参数写入磁盘
print("saving new wav file......")
fileOUT.setnchannels(nchannels)
fileOUT.setframerate(framerate)
fileOUT.setsampwidth(sampwidth)
fileOUT.writeframes(out_str_data)
print("new wav file saved!")
#绘制原声音波形图
wave_data.shape = -1,2
wave_data = wave_data.T
time = np.arange(0,nframes) * (1.0 / framerate)
pl.subplot(2,2,1)#亦可写作pl.subplot(221)
pl.plot(time,wave_data[0],c="b")
pl.xlabel("time (seconds)")
pl.ylabel("Original volume")
pl.subplot(222)#亦可写作pl.subplot(2,2,2)
pl.plot(time,wave_data[1],c="b")
pl.xlabel("time (seconds)")
#绘制降低后音量的波形图
out_wave_data.shape = -1,2
out_wave_data = out_wave_data.T
time = np.arange(0,nframes) * (1.0 / framerate)
pl.subplot(2,2,3)#亦可写作pl.subplot(223)
pl.plot(time,out_wave_data[0],c="r")
pl.xlabel("time (seconds)")
pl.ylabel("Lower volume")
pl.subplot(224)#亦可写作pl.subplot(2,2,4)
pl.plot(time,out_wave_data[1],c="r")
pl.xlabel("time (seconds)")
#关闭打开的文件
file.close()
fileOUT.close()
#显示图形
pl.show()
运行结果
蓝色代表源音频,红色表示放大后的音频,请注意Y轴数据
笔记
frompyfunc，把Python里的函数（可以是自写的）转化成ufunc，用法是frompyfunc(func, nin, nout)，其中func是需要转换的函数，nin是函数的输入参数的个数，nout是此函数的返回值的个数。注意frompyfunc函数无法保证返回的数据类型都完全一致,因此返回一个 中间类型 object，需要 再次 使用obj.astype(np.float64)之类将其元素类型强制调齐。
getparams：一次性返回所有的WAV文件的格式信息，它返回的是一个元组(tuple)：
nchannels sampwidth framerate nframes comptype compname 音频通道数（1单声道、2立体声） 以字节的形式返回量化位数（byte单位） 采样频率 音频帧数 压缩类型(“NONE”是唯一支持的类型) 压缩类型的描述 wave模块只支持非压缩的数据，因此可以忽略最后两个信息：
numpy.fromstring(str_data,dtype=np.short)是使用字符串创建矩阵.
wave_data.shape = -1,2 这行代码是可以用于对数组进行“重新排列”，只要不需要对元素总数进行修改就可以了.
subplot(mnp) / (m,n,p)是将多个图画到一个平面上的工具.其中，m表示是图排成m行，n表示图排成n列，也就是整个figure中有n个图是排成一行的，一共m行，如果m=2就是表示2行图.p表示图所在的位置，p=1表示从左到右从上到下的第一个位置.
比如:subplot(212)表示绘图区有两个,一共一列,当前索引为第2个绘图区.