MFC播放声音和录音的实现(二)

迷南。 2022-08-25 10:58 336阅读 0赞

上一篇中主要介绍了MCF中声音文件的播放。这一篇根据自己的理解介绍一下录音的实现，最后以实例的形式在Win32 APP中实现 录音并回放。下一篇将介绍一下录音在MFC中的实现，并在MFC中实现一个简单的录音机应用程序。

在介绍录音实现过程之前，先介绍一下数字音频基础知识。

**1、数字音频基础知识**

Fourier级数： 任何周期的波形可以分解成多个正弦波，这些正弦波的频率都是整数倍。级数中其他正线波的频率是基础频率的整数倍。基础频率称为一级谐波。

PCM: pulse code modulation,脉冲编码调制，即对波形按照固定周期频率采样。为了保证采样后数据质量，采样频率必须是样本声音最高频率的两倍，这就是Nyquist频率。

样本大小：采样后用于存储振幅级的位数，实际就是脉冲编码的阶梯数，位数越大表明精度越高，这一点参考数字逻辑电路。

声音强度： 波形振幅的平方。两个声音强度上的差常以分贝(db)为单位来度量，

计算公式如下： 20\*log(A1/A2)分贝。A1,A2为两个声音的振幅。如果采样大小为8位，则采样的动态范围为20\*log(256)分贝=48db。如果样本大小为16位，则采样动态范围为20\*log(65536)大约是96分贝，接近了人听觉极限和痛苦极限，是再现音乐的理想范围。windows同时支持8位和16位的采样大小。

另外，常见的声音文件主要有两种，分别对应于单声道和双声道。如下表所示：

表1声音相关参数对照表

<table style="border-collapse:collapse; width:426.1000pt; margin-left:5.4000pt; padding:0.0000pt 0.0000pt 0.0000pt 0.0000pt"> 
 <tbody> 
 <tr> 
 <td style="width:32.5pt; padding:0pt 5.4pt; border:1pt solid rgb(0,0,0)"> 音频数据格式 </td> 
 <td style="width:30.8pt; padding:0pt 5.4pt; border-style:solid solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-top-width:1pt; border-top-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 声道数 </td> 
 <td style="width:54.7pt; padding:0pt 5.4pt; border-style:solid solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-top-width:1pt; border-top-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 采样率KHz </td> 
 <td style="width:161.85pt; padding:0pt 5.4pt; border-style:solid solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-top-width:1pt; border-top-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 每秒钟的数据量（Byte） </td> 
 <td style="width:42.85pt; padding:0pt 5.4pt; border-style:solid solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-top-width:1pt; border-top-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 块对齐 Byte </td> 
 <td style="width:36.3pt; padding:0pt 5.4pt; border-style:solid solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-top-width:1pt; border-top-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 采样值Bit </td> 
 <td style="width:67pt; padding:0pt 5.4pt; border-style:solid solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-top-width:1pt; border-top-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 附加额外格式信息大小（Byte） </td> 
 </tr> 
 <tr> 
 <td style="width:32.5pt; padding:0pt 5.4pt; border-left-width:1pt; border-style:none solid solid; border-left-color:rgb(0,0,0); border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 单声道 </td> 
 <td style="width:30.8pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 1 </td> 
 <td style="width:54.7pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 11.025 </td> 
 <td style="width:161.85pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 11025*8*1/8=11025B=10.7K </td> 
 <td style="width:42.85pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 1 </td> 
 <td style="width:36.3pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 8 </td> 
 <td style="width:67pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 0 </td> 
 </tr> 
 <tr> 
 <td style="width:32.5pt; padding:0pt 5.4pt; border-left-width:1pt; border-style:none solid solid; border-left-color:rgb(0,0,0); border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 双声道 </td> 
 <td style="width:30.8pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 2 </td> 
 <td style="width:54.7pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 44.1 </td> 
 <td style="width:161.85pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 44100*16*2/8=176400B=172K </td> 
 <td style="width:42.85pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 4 </td> 
 <td style="width:36.3pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 16 </td> 
 <td style="width:67pt; padding:0pt 5.4pt; border-style:none solid solid none; border-right-width:1pt; border-right-color:rgb(0,0,0); border-bottom-width:1pt; border-bottom-color:rgb(0,0,0)"> 0 </td> 
 </tr> 
 </tbody> 
</table>

声道数是指音频信道数，单声道的数据使用一个通道，立体声数据使用两个通道。对于PCM音频，这个值不能大于2；

采样率是指声音信号在“模→数”转换过程中单位时间内采样的次数。常取值8.0KHz，11.025 KHz，22.05 KHz，44.1 KHz。对于PCM音频，这个值不能大于44.1 KHz。采样率越高，丢失的信息相对越少，声音信号保存相对越完整，但是录音生成的文件也就越大；反之，采样率越低，声音信号保存相对不如采样率高时完整，但是录音生成的文件反而越小。系统提供了两种声道供用户选择，可综合对声音信号的要求高低和系统存储空间等因素灵活选择。

块对齐的字节数，块对齐是最低的数据的wFormatTag格式类型的原子单位。如果wFormatTag WAVE\_FORMAT\_PCM或WAVE\_FORMAT\_EXTENSIBLE ，nBlockAlign必须等于NumChannels \* BitsPerSample / 8。

附加额外格式信息大小（Byte）以字节为单位，附加额外的格式信息WAVEFORMATEX结构。如果没有额外的信息需要由wFormatTag，这个参数必须被设置为零。最后，声音文件通常存储为.wave格式。

**2、录音相关API函数，结构，消息**

对于录音设备来说，windows 提供了一组wave\*\*\*的函数，比较重要的有以下几个：

打开录音设备函数

MMRESULT waveInOpen(
      LPHWAVEIN phwi,            //输入设备句柄
      UINT uDeviceID,            //输入设备ID
      LPWAVEFORMATEX pwfx,       //录音格式指针
      DWORD dwCallback,  //处理MM_WIM_***消息的回调函数或窗口句柄，线程ID
      DWORD dwCallbackInstance, 
      DWORD fdwOpen              //处理消息方式的符号位
    );

为录音设备准备缓存函数 ：

MMRESULT waveInPrepareHeader( HWAVEIN hwi, LPWAVEHDR pwh, UINT bwh );

给输入设备增加一个缓存 ：

MMRESULT waveInAddBuffer( HWAVEIN hwi, LPWAVEHDR pwh, UINT cbwh );

开始录音函数 ：

MMRESULT waveInStart( HWAVEIN hwi );

清除缓存函数 ：

MMRESULT waveInUnprepareHeader( HWAVEIN hwi,LPWAVEHDR pwh, UINT cbwh);

停止录音函数 ：

MMRESULT waveInReset( HWAVEIN hwi );

关闭录音设备函数：

MMRESULT waveInClose( HWAVEIN hwi ); 
    Wave_audio数据格式：
    typedef struct {
        WORD  wFormatTag; //数据格式，一般为WAVE_FORMAT_PCM即脉冲编码
        WORD  nChannels; //声道
        DWORD nSamplesPerSec; //采样频率
        DWORD nAvgBytesPerSec; //每秒数据量
        WORD  nBlockAlign; //块大小
        WORD  wBitsPerSample;//样本大小 
        WORD  cbSize; 
    } WAVEFORMATEX; 
    waveform-audio 缓存格式：
    typedef struct {
        LPSTR  lpData; //内存指针
        DWORD  dwBufferLength;//长度 
        DWORD  dwBytesRecorded; //已录音的字节长度
        DWORD  dwUser; 
        DWORD  dwFlags; 
        DWORD  dwLoops; //循环次数
        struct wavehdr_tag * lpNext;
        DWORD  reserved; 
    } WAVEHDR;

相关消息

MM\_WIM\_OPEN:打开设备时消息，在此期间我们可以进行一些初始化工作

MM\_WIM\_DATA：当缓存已满或者停止录音时的消息，处理这个消息可以对缓存进行重新分配，实现不限长度录音

MM\_WIM\_CLOSE：关闭录音设备时的消息。

相对于录音来说，回放就简单的多了，用到的函数主要有以下几个：

打开回放设备函数

MMRESULT waveOutOpen(
      LPHWAVEOUT phwo,          
      UINT uDeviceID,           
      LPWAVEFORMATEX pwfx,      
      DWORD dwCallback,         
      DWORD dwCallbackInstance, 
      DWORD fdwOpen             
    );

为回放设备准备内存块函数

MMRESULT waveOutPrepareHeader(
      HWAVEOUT hwo, 
      LPWAVEHDR pwh,
      UINT cbwh     
    );

写数据（放音）函数

MMRESULT waveOutWrite(
      HWAVEOUT hwo, 
      LPWAVEHDR pwh,
      UINT cbwh     
    );

相应的也有三个消息，用法跟录音的类似。

**3.控制台应用程序Win32**

根据上面的信息，简要地写了一个Win32控制台应用程序，可以实现录音和回放。代码如下：

#include "stdafx.h"
 #include "stdlib.h"
 #include <windows.h> 
 #include <stdio.h> 
 #include <mmsystem.h> 
 #pragma comment(lib, "winmm.lib") 
 #define BUFFER_SIZE (44100*16*2/8*5) // 录制声音长度
 #define FRAGMENT_SIZE 1024 // 缓存区大小
 #define FRAGMENT_NUM 4 // 缓存区个数 
 static unsigned char buffer[BUFFER_SIZE] = {0}; 
 static int buf_count = 0; 
 // 函数定义
 void CALLBACK waveInProc(HWAVEIN hwi,UINT uMsg,DWORD_PTR dwInstance,DWORD_PTR dwParam1,DWORD_PTR dwParam2); 
 // 录音回调函数
 void CALLBACK waveInProc(HWAVEIN hwi,UINT uMsg,DWORD_PTR dwInstance,DWORD_PTR dwParam1,DWORD_PTR dwParam2) 
 { 
 LPWAVEHDR pwh = (LPWAVEHDR)dwParam1;
 if ((WIM_DATA==uMsg) && (buf_count<BUFFER_SIZE)) 
 { 
 int temp = BUFFER_SIZE - buf_count; 
 temp = (temp>pwh->dwBytesRecorded) ? pwh->dwBytesRecorded: temp; 
 memcpy(buffer+buf_count, pwh->lpData, temp); 
 buf_count += temp; 
 waveInAddBuffer(hwi, pwh, sizeof(WAVEHDR)); 
 } 
 } 
 void CALLBACK waveOutProc( HWAVEOUT hwo,UINT uMsg,DWORD_PTR dwInstance,DWORD_PTR dwParam1,DWORD_PTR dwParam2); 
 // 放音回调函数
 void CALLBACK waveOutProc( HWAVEOUT hwo,UINT uMsg,DWORD_PTR dwInstance,DWORD_PTR dwParam1,DWORD_PTR dwParam2)
 { 
 if (WOM_DONE == uMsg) 
 { 
 buf_count = BUFFER_SIZE; 
 } 
 } 
 
 // 入口
 
 int _tmain(int argc, _TCHAR* argv[])
 {
 /* 录音*/ // Device 
 int nReturn = waveInGetNumDevs();//定义输入设备的数目
 printf("输入设备数目：%d\n", nReturn); 
 
 //识别输入的设备
 for (int i=0; i<nReturn; i++) 
 { 
 WAVEINCAPS wic; //WAVEINCAPS结构描述波形音频输入设备的能力
 waveInGetDevCaps(i, &wic, sizeof(WAVEINCAPS)); //waveInGetDevCaps功能检索一个给定的波形音频输入设备的能力
 printf("#%d\t设备名：%s\n", i, wic.szPname);
 } 
 
 // open 
 
 HWAVEIN hWaveIn;//波形音频数据格式Wave_audio数据格式
 WAVEFORMATEX wavform;//WAVEFORMATEX结构定义了波形音频数据格式。包括在这个结构中唯一的格式信息，共同所有波形音频数据格式。对于需要额外的信息的格式，这个结构包含在另一个结构的第一个成员，以及与其他信息
 wavform.wFormatTag = WAVE_FORMAT_PCM; //WAVE_FORMAT_PCM即脉冲编码
 wavform.nChannels = 2; // 声道
 wavform.nSamplesPerSec = 44100; // 采样频率
 wavform.nAvgBytesPerSec = 44100*16*2/8; // 每秒数据量
 wavform.nBlockAlign = 4; 
 wavform.wBitsPerSample = 16; // 样本大小
 wavform.cbSize = 0; //大小，以字节，附加额外的格式信息WAVEFORMATEX结构
 
 //打开录音设备函数
 waveInOpen(&hWaveIn, WAVE_MAPPER, &wavform, (DWORD_PTR)waveInProc, 0, CALLBACK_FUNCTION);
 
 //识别打开的录音设备
 WAVEINCAPS wic; 
 waveInGetDevCaps((UINT_PTR)hWaveIn, &wic, sizeof(WAVEINCAPS)); 
 printf("打开的输入设备：%s\n", wic.szPname); 
 
 // prepare buffer
 static WAVEHDR wh[FRAGMENT_NUM]; 
 for (int i=0; i<FRAGMENT_NUM; i++) 
 { 
 wh[i].lpData = new char[FRAGMENT_SIZE]; 
 wh[i].dwBufferLength = FRAGMENT_SIZE; 
 wh[i].dwBytesRecorded = 0; 
 wh[i].dwUser = NULL; 
 wh[i].dwFlags = 0; 
 wh[i].dwLoops = 1; 
 wh[i].lpNext = NULL; 
 wh[i].reserved = 0;
 
 //为录音设备准备缓存函数：
 //MMRESULT waveInPrepareHeader( HWAVEIN hwi, LPWAVEHDR pwh, UINT bwh );
 waveInPrepareHeader(hWaveIn, &wh[i], sizeof(WAVEHDR));
 
 //给输入设备增加一个缓存：
 //MMRESULT waveInAddBuffer( HWAVEIN hwi, LPWAVEHDR pwh, UINT cbwh );
 waveInAddBuffer(hWaveIn, &wh[i], sizeof(WAVEHDR)); 
 } 
 // record 
 printf("Start to Record...\n"); 
 buf_count = 0; //刚开始录音的时候缓冲区的个数初始化为
 //开始录音函数
 //MMRESULT waveInStart( HWAVEIN hwi ); 
 waveInStart(hWaveIn); //开始录音
 
 while (buf_count < BUFFER_SIZE) 
 { 
 Sleep(1); 
 } 
 
 printf("Record Over!\n\n"); 
 waveInStop(hWaveIn);//waveInStop功能停止的波形音频输入
 //停止录音函数：
 //MMRESULT waveInReset( HWAVEIN hwi ); 
 waveInReset(hWaveIn);//停止录音
 //清除缓存函数：
 //MMRESULT waveInUnprepareHeader( HWAVEIN hwi,LPWAVEHDR pwh, UINT cbwh); 
 for (int i=0; i<FRAGMENT_NUM; i++) 
 { 
 waveInUnprepareHeader(hWaveIn, &wh[i], sizeof(WAVEHDR)); 
 delete wh[i].lpData; 
 } 
 //关闭录音设备函数：
 //MMRESULT waveInClose( HWAVEIN hwi );
 waveInClose(hWaveIn); 
 //system("pause"); 
 printf("\n"); 
 
 /* 放音*/ 
 
 // Device 
 nReturn = waveOutGetNumDevs(); //定义输出设备的数目
 printf("\n输出设备数目：%d\n", nReturn); 
 for (int i=0; i<nReturn; i++) 
 { 
 WAVEOUTCAPS woc; //WAVEINCAPS结构描述波形音频输出设备的能力
 waveOutGetDevCaps(i, &woc, sizeof(WAVEOUTCAPS)); 
 printf("#%d\t设备名：%s\n", i, wic.szPname); 
 } 
 
 // open 
 HWAVEOUT hWaveOut;//打开回放设备函数　
 waveOutOpen(&hWaveOut, WAVE_MAPPER, &wavform, (DWORD_PTR)waveOutProc, 0, CALLBACK_FUNCTION);
 
 WAVEOUTCAPS woc; //WAVEINCAPS结构描述波形音频输出设备的能力
 waveOutGetDevCaps((UINT_PTR)hWaveOut, &woc,sizeof(WAVEOUTCAPS)); 
 printf("打开的输出设备：%s\n", wic.szPname); 
 
 // prepare buffer 
 WAVEHDR wavhdr; 
 wavhdr.lpData = (LPSTR)buffer; 
 wavhdr.dwBufferLength = BUFFER_SIZE; //MMRESULT waveOutPrepareHeader(HWAVEOUT hwo,LPWAVEHDR pwh,UINT cbwh);
 wavhdr.dwFlags = 0; //为回放设备准备内存块函数　
 wavhdr.dwLoops = 0;
 waveOutPrepareHeader(hWaveOut, &wavhdr, sizeof(WAVEHDR)); 
 // play 
 printf("Start to Play...\n"); 
 buf_count = 0; 
 //MMRESULT waveOutWrite(HWAVEOUT hwo,LPWAVEHDR pwh,UINT cbwh);
 waveOutWrite(hWaveOut, &wavhdr, sizeof(WAVEHDR)); //写数据（放音）函数
 //声音文件还没有放完的话运行不能退出
 while (buf_count < BUFFER_SIZE) 
 { 
 Sleep(1); 
 } 
 // clean 
 waveOutReset(hWaveOut); //停止放音
 //MMRESULT waveOutPrepareHeader(HWAVEOUT hwo,LPWAVEHDR pwh,UINT cbwh);
 waveOutUnprepareHeader(hWaveOut, &wavhdr, sizeof(WAVEHDR)); //为回放设备准备内存块函数　
 waveOutClose(hWaveOut); //关闭放音设备函数
 printf("Play Over!\n\n"); 
 printf("Play Over!\n\n");
 return 0;
 }

最后在说明一下，这种方式录音存储的声音数据和播放的数据都是在内存中，没有文件操作，也就是说用这种方式是不能实现录音文件的存储。这种方式将在下一篇中通过MFC来实现。