前面有提到音频采样算法:
webRTC 音频采样算法 附完整 C++ 示例代码
简洁明了的插值音频重采样算法例子 (附完整 C 代码)
近段时间有不少朋友给我写过邮件, 说了一些他们使用的情况和问题.
坦白讲, 我精力有限, 但一般都会抽空回复一下.
大多数情况, 阅读一下代码就能解决的问题,
也是要尝试一下的.
没准, 你就解决了呢?
WebRtc 的采样算法本身就考虑到它的自身应用场景,
所以它会有一些局限性, 例如不支持任意采样率等等.
而简洁插值的这个算法,
我个人也一直在使用, 因为简洁明了, 简单粗暴.
我自然也就没有进一步去细究采样算法,
当然网上还有不少开源的采样算法也是极其不错的.
一直也想抽时间再做一个兼顾简洁和质量的算法出来, 不了了之.
最近一直在死磕傅里叶变换, 网上的资源看了一箩筐.
徘徊到最后, 毫无疑问 FFTW3 必须是你的首选,
从岁数性能以及使用的概率来说, 当之无愧的王者.
当然也顺带整理一下, 其他的一些 FFT 实现, 各有优劣.
用于学习, 作为参考资料也是不二之选.
有兴趣的小伙伴, 可以参阅之.
- https://github.com/cpuimage/StockhamFFT
- https://github.com/cpuimage/uFFT
- https://github.com/cpuimage/BluesteinCrz
- https://github.com/cpuimage/fftw3
当然最佳的参考资料, 还是 fftw3,
我的这个 git 做了以下工作:
1. 梳理调整目录结构
2. 移除一些影响阅读调试, 让人头大的宏定义
3. 合并代码至 fftw_api.c, 移除一些不常用的代码
注意: 未经过严格测试验证
也许这个 git 存在的意义在于方便众人阅读学习 fftw 的算法思路,
以及调试, 扣代码等等诸如此类的行为.
所以有需要的同学可以, 参考之.
回到本次的主题,
在以前做图像算法的时候, 就一直在想一个问题,
是否可以利用傅里叶变换的特性进行图像的重采样呢?
这个一直是我心中的一个小石头, 一直没放下.
从理论上来说, 可行的, 只是估计最终质量并不能保证.
最佳的尝试莫过于音频重采样, 在很多时候,
我们经常需要对一个音频进行傅里叶变换, 然后进行上采样或下采样的操作.
那是不是可以直接就在频域进行重采样呢?
这样的做法是不是质量就能有所保障呢?
事实证明, 这是可行的.
经过简单试验, 基于傅里叶变换的音频重采样算法就这样出炉了.
目前示例采用 hsfft 这个开源傅里叶变换进行验证,
没有采用 fftw3 的原因也很简单, 因为 fftw3 编译器来有点麻烦.
而 hsfft 的函数风格与 fftw3 类似, 只是速度性能上不及 fftw3 而已.
这样也符合我的要求, 真正应用的时候再使用 fftw3 替换之即可,
在验证思路的时候, 没必要动用 fftw3,
这也是我为什么使用简洁重采样的原因之一.
每个步骤都要有策略和方法, 不必太过较真.
如果特定情况下需要, 我也可以上 matlab,python,delphi,c#,c++ 等等.
语言只是工具, 关键还是思路和思想.
贴上主要代码:
- #ifndef MIN
- #define MIN(a, b) ((a) < (b) ? (a) : (b))
- #endif
- void FFTResample(float *input, float *output, int sizeIn, int sizeOut) {
- fft_t *fftin = (fft_t *) calloc(sizeof(fft_t), sizeIn);
- fft_t *fftout = (fft_t *) calloc(sizeof(fft_t), sizeOut);
- if (fftin == NULL || fftout == NULL) {
- if (fftout)
- free(fftout);
- if (fftin)
- free(fftin);
- return;
- }
- fft_real_object fftPlan = fft_real_init(sizeIn, 1);
- fft_r2c_exec(fftPlan, input, fftin);
- free_real_fft(fftPlan);
- int halfIn = (sizeIn / 2) + 1;
- int halfOut = (sizeOut / 2) + 1;
- for (int i = 0; i < MIN(halfIn, halfOut); ++i) {
- fftout[i].re = fftin[i].re;
- fftout[i].im = fftin[i].im;
- }
- fft_real_object ifftPlan = fft_real_init(sizeOut, -1);
- fft_c2r_exec(ifftPlan, fftout, output);
- free_real_fft(ifftPlan);
- float norm = 1.f / sizeIn;
- for (int i = 0; i < sizeOut; ++i) {
- output[i] = (output[i] * norm);
- }
- free(fftout);
- free(fftin);
- }
算法非常简单, 用一句时髦的语言来描述这个算法, 就是 "多退少补".
需要补课 FFT 的可以移步:
从多项式乘法到快速傅里叶变换 http://blog.miskcoo.com/2015/04/polynomial-multiplication-and-fast-fourier-transform
项目地址:
https://github.com/cpuimage/fftResample
采用 Cmake 编译即可, 示例代码也很简洁.
不多做解释了~
以上, 权当抛砖引玉.
来源: https://www.cnblogs.com/cpuimage/p/9270739.html