绘制 wav 音频的波形图

最新推荐文章于 2026-02-02 19:07:34 发布

原创最新推荐文章于 2026-02-02 19:07:34 发布 · 6.3k 阅读

24 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#经验分享

总结归纳专栏收录该内容

9 篇文章

订阅专栏

本文介绍如何从wav格式音频文件中提取数据，并将其转换为可视化的波形图。重点讲解了处理16位单声道音频数据的方法，以及如何正确显示正负振幅，使波形图与专业音频软件GoldWave的输出相匹配。

摘要

想要根据 wav 格式的音频文件，绘制出如软件「GoldWave」所绘制的音频数据的图像。探索波形图绘制的一些数据处理。
本文记录了初探时可能会遇到的一些问题。

预热

了解 wav 的文件格式。其中主要包括头部内容和 data 块内容。而我们用于画图的数据就来自于 data 块。
了解该文件格式的分析推荐两篇文章：

前提

测试音频格式为：单声道、采样率 16k，采样位数 16 的 wav 文件。
不是这个格式的就用 ffmpeg 转成这个格式后再处理。

头部数据示例

00H : 5249 4646 8857 0f00 5741 5645 666d 7420 [RIFF.W..WAVEfmt ]
10H : 1000 0000 0100 0100 803e 0000 007d 0000 [.........>...}..]
20H : 0200 1000 4c49 5354 4800 0000 494e 464f [....LISTH...INFO]
30H : 4943 4d54 2500 0000 7669 643a 7630 3230 [ICMT%...vid:v020]
40H : 3333 3364 3030 3030 6269 3463 6f38 7331 [333d0000bi4co8s1]
50H : 6e33 6531 6267 6a35 3334 7367 0000 4953 [n3e1bgj534sg..IS]
60H : 4654 0e00 0000 4c61 7666 3537 2e38 332e [FT....Lavf57.83.]
70H : 3130 3000 6461 7461 1457 0f00 0000 0000 [100.data.W......]

1. 数据说明：

左侧为十六进制的计数数字。H 意义未知。
中间数据为十六进制的信息。画图主要靠这块头部后面接着的 data。
右侧为中间数据转成 ASCII 码的信息。
wav 文件以小端模式进行数据存储

2. 头部示例解释：

非常详细的解释可以看上面的参考文章。这里记录一些看参考文章后获取的一些画图有用到的点：

1 个十六进制的字符等于 4 个二进制数 16=2^4。2 个十六进制字符等于 8 个二进制数为 1 个字节。
04H ~ 07H 8857 0f00 对应的是后面文件的大小，由小端模式转成大端模式后是 000f 5788 ，换算为十进制的 1005448 ，加上前面的 8 个字节（5249 4646 为 4 字节，加上自身 4 字节）就等于文件大小 1005456 。
14H ~ 15H 0100 对应的十进制是 1，表示线性的 PCM 编码。
16H ~ 17H 0100 对应的十进制是 1，表示单声道，MONO。
18H ~ 1BH 803e 0000 对应的十进制是 16000，表示采样率是 16000。
1CH ~ 1FH 007d 0000 对应的十进制是 32000，波形数据传输率，每秒多少个字节，可以用 (1005456 - 128) / 32000 = 31.4165 s 获取音频的总时长。
22H ~ 23H 1000 采样位数 16 位。
中间夹着了一些 ffmpeg 的信息
78H ~ 7BH 6461 7461 对应的 ASCII 码是 “data”，标示头结束，开始数据区域。
7CH ~ 7FH 1457 0f00 表示采样数据的总数，从此后开始的数据总数（包括此行最后用来补齐的 0000 0000），十进制的 1005332 。

3. 使用 data 部分的数据绘制波形图

当你拿到文件的二进制数据，转成十六进制，然后截取出 data 的部分，还记得把小端模式转成大端模式以十进制表示后，打算用这数据直接画图，这时大概就会画出这样的图：

直接画出的图

而由「GoldWave」软件打开相同时间段的相同的音频文件是长这样的：

我们想要画出的形状

当时的我在搜索相关问题之后感到绝望弱小又无助。。

经过观察发现：

我们画的图里隐约是能看到波形的形状的。
「GoldWave」图中纵坐标是有负数部分的，而并不是 0 ~ (2¹⁶ - 1) 。

大胆的猜想由此开始：是不是把图形上半部分“平移”到坐标轴负数位置就可以画出来呢？

嗯。事实证明确实是这样的。但是还要注意一下边际条件的判断了。

正值部分	负值部分
0 ~ (2¹⁵ - 1)	2¹⁵ ~ (2¹⁶ - 1)

平移后得出下图：

处理后的图

如果想要纵坐标与「GoldWave」图也一致的话就只需要除一下 2¹⁵ 就可以了，横坐标则需要除以采样率 16000 来得到时间值。这样我们就画出了与「GoldWave」图一致的音频波形图啦。

至于为什么要这么把上半部分“平移”到负值坐标轴？这个问题我也没有找到答案，只能这样猜想一番：比如调整音频音量为原音的 x 倍，就是把 -1 ~ 1 范围内的所有数值乘以 x 后得到的就是调整音量后的音频波形图。由此推断，大概这么处理后的波形图是方便于查看以及数据处理的。
可能也是大小端的模式问题导致的，毕竟这块还是要补补课。

Happy ending.