需要帮助将 .wav 音频文件转换为 .PNG ，然后再转换回相同的 .wav 文件

Question

我正在尝试将声音文件转换为图像，然后在 Python 中转换回相同的声音文件。首先，我使用 python 的wave 库读取 .wav，提取帧，然后将字节排列为方形图像中的 RGB 元组。

输出很酷，看起来像this

但是当我尝试将图像转换回声音文件时，结果很糟糕。不知道我在这里做错了什么

import wave
from PIL import Image
import numpy as np
from math import sqrt


w = wave.open("sample.wav", mode = "rb")
frames = w.readframes(w.getnframes())
pixels = []

#####FRAMES CONVERTED TO PIXEL TUPLES######

for i in range(0,w.getnframes(),3):
    pixels.append((frames[i],frames[i+1],frames[i+2]))

#####FIT TO SQUARE IMAGE#####
dimensions = int(sqrt(w.getnframes()/3))

img = []

for x in range(0,dimensions):
    row = []
    for y in range(0,dimensions):
        row.append(pixels[x*dimensions+y])
    img.append(row)

array = np.array(img, dtype=np.uint8)
new_image = Image.fromarray(array)
new_image.save('new.png')

p = Image.open("new.png",mode="r")
flatten = [x for sets in list(p.getdata()) for x in sets]


###### WAV RE-CREATION ######

sampleRate = w.getframerate() # hertz

obj = wave.open('sound.wav','w')
obj.setnchannels(w.getnchannels())
obj.setsampwidth(2)
obj.setframerate(sampleRate)
for i in range(0,len(flatten)):
   obj.writeframesraw(( flatten[i]).to_bytes(8,"big") )
obj.close()

Answer 1

您在转换为像素时引入了损失。

首先，当帧数不是三的倍数时，您将在末尾丢失一帧或两帧for i in range(0,w.getnframes(),3):。

其次，你的dimensions = int(sqrt(w.getnframes()/3))再写dimensions平方像素，当帧数除以三不是平方时，会丢失很多帧。

第三，也是最重要的一点，您忽略了样本宽度以及通道数。您只保存图像中每个样本的低八位。如果样本宽度为 16 位，则基本上可以节省图像中的噪声。