以下代码是开源(GPL)程序jmp123的一部分。

http://blog.csdn.net/ycb1689/article/details/17393135

(一)简单的GUI

• 在jmp123.jar所在目录为当前目录启动jmp123.jar，启动时自动加载default.m3u、bk1.jpg、bk2.jpg；
• 为方便测试MP3解码器，简体中文环境时播放器有网络搜索MP3功能，出于对某MP3网站的尊重，源代码中未附上搜索功能的源代码，请谅解。请勿对程序反相查看源代码，请自觉遵守:)

(二)解码速度测试　完全解码但不播放输出：

Java -cp jmp123.jar jmp123.test.Test1 <MP3文件名>

这个纯JAVA解码器的速度是很快的。即将放出的下一个版本0.2采用帧间并行运算针对多核心的CPU运行优化 。

(三)频谱显示

1.捕获音频输出

　　将音乐可视化首先要获取音乐数据，可以从音频输出捕获PCM数据。如果频谱显示是内置在音频解码器中，这一步就可以省略，取而代之的是直接从解码器复制PCM数据，这样占用的资源少而且速度快。

[java] view plaincopy

1. /*
2. * WaveIn.java
3. * 捕获音频输出
4. */
5. import javax.sound.sampled.AudioFormat;
6. import javax.sound.sampled.AudioSystem;
7. import javax.sound.sampled.DataLine;
8. import javax.sound.sampled.TargetDataLine;
9. public class WaveIn {
10. private AudioFormat af;
11. private DataLine.Info dli;
12. private TargetDataLine tdl;
13. /**
14. * 打开音频目标数据行。从中读取音频数据格式为：采样率32kHz，每个样本16位，单声道，有符号的，little-endian。
15. * @return 成功打开返回true，否则false。
16. */
17. public boolean open() {
18. af = new AudioFormat(32000, 16, 1, true, false);
19. dli = new DataLine.Info(TargetDataLine.class, af);
20. try {
21. tdl = (TargetDataLine) AudioSystem.getLine(dli);
22. tdl.open(af, FFT.FFT_N << 1);
23. } catch (Exception e) {
24. e.printStackTrace();
25. return false;
26. }
27. return true;
28. }
29. public void close() {
30. tdl.close();
31. }
32. public void start() {
33. tdl.start();
34. }
35. public void stop() {
36. tdl.stop();
37. }
38. public int read(byte[] b, int len) {
39. return tdl.read(b, 0, len);
40. }
41. private double phase0 = 0;
42. /**
43. * 产生频率264Hz，采样率为44.1kHz，幅值为0x7fff，每个样本16位的PCM。
44. * @param b 接收PCM样本。
45. * @param len PCM样本字节数。
46. */
47. public void getWave264(byte[] b, int len) {
48. double dt = 2 * 3.14159265358979323846 * 264 / 44100;
49. int i, pcmi;
50. len >>= 1;
51. for (i = 0; i < len; i++) {
52. pcmi = (short) (0x7fff * Math.sin(i * dt + phase0));
53. b[2 * i] = (byte) pcmi;
54. b[2 * i + 1] = (byte) (pcmi >>> 8);
55. }
56. phase0 += i * dt;
57. }
58. }

2.将时域PCM数据变换到频域

　　用FFT完成PCM数据从 时域 到频域 的变换，这本是本文技术含量最高的活儿，想必大家对FFT都很熟悉了吧，对FFT方法本身就不多说了。

　　时域PCM数据是16位的short类型，取值范围是-32768..32767。对于频谱显示用512点FFT就足够了，我们知道音频数据的截止频率是由其采样率决定的，如果采样率为32kHz，截止频率为16kHz。可以计算出FFT后频率间隔为16*1024/(512/2)=64Hz，即经过FFT后下文源代码中realIO得到256个值：realIO[i]是64*i至64*(i+1)Hz频率范围内的“幅值”（这里不是真正的幅值，是复数模的平方再乘以512，如果要得到幅值，需要开方后再除以512）。

　　为了减少不必要的浮点运算，这里淘汰了“幅值”较小的输出，直接将它的值置零。依据的原理是：如果FFT后得到的复数的模太小，除以512后取整为零，干脆先将这样的值置零。

[java] view plaincopy

1. /*
2. * FFT.java
3. * 用于频谱显示的快速傅里叶变换
4. * http://jmp123.sf.net/
5. */
6. public class FFT {
7. public static final int FFT_N_LOG = 9; // FFT_N_LOG <= 13
8. public static final int FFT_N = 1 << FFT_N_LOG;
9. private static final float MINY = (float) ((FFT_N << 2) * Math.sqrt(2)); //(*)
10. private float[] real, imag, sintable, costable;
11. private int[] bitReverse;
12. public FFT() {
13. real = new float[FFT_N];
14. imag = new float[FFT_N];
15. sintable = new float[FFT_N >> 1];
16. costable = new float[FFT_N >> 1];
17. bitReverse = new int[FFT_N];
18. int i, j, k, reve;
19. for (i = 0; i < FFT_N; i++) {
20. k = i;
21. for (j = 0, reve = 0; j != FFT_N_LOG; j++) {
22. reve <<= 1;
23. reve |= (k & 1);
24. k >>>= 1;
25. }
26. bitReverse[i] = reve;
27. }
28. double theta, dt = 2 * 3.14159265358979323846 / FFT_N;
29. for (i = 0; i < (FFT_N >> 1); i++) {
30. theta = i * dt;
31. costable[i] = (float) Math.cos(theta);
32. sintable[i] = (float) Math.sin(theta);
33. }
34. }
35. /**
36. * 用于频谱显示的快速傅里叶变换
37. * @param realIO 输入FFT_N个实数，也用它暂存fft后的FFT_N/2个输出值(复数模的平方)。
38. */
39. public void calculate(float[] realIO) {
40. int i, j, k, ir, exchanges = 1, idx = FFT_N_LOG - 1;
41. float cosv, sinv, tmpr, tmpi;
42. for (i = 0; i != FFT_N; i++) {
43. real[i] = realIO[bitReverse[i]];
44. imag[i] = 0;
45. }
46. for (i = FFT_N_LOG; i != 0; i--) {
47. for (j = 0; j != exchanges; j++) {
48. cosv = costable[j << idx];
49. sinv = sintable[j << idx];
50. for (k = j; k < FFT_N; k += exchanges << 1) {
51. ir = k + exchanges;
52. tmpr = cosv * real[ir] - sinv * imag[ir];
53. tmpi = cosv * imag[ir] + sinv * real[ir];
54. real[ir] = real[k] - tmpr;
55. imag[ir] = imag[k] - tmpi;
56. real[k] += tmpr;
57. imag[k] += tmpi;
58. }
59. }
60. exchanges <<= 1;
61. idx--;
62. }
63. j = FFT_N >> 1;
64. /*
65. * 输出模的平方(的FFT_N倍):
66. * for(i = 1; i <= j; i++)
67. *  realIO[i-1] = real[i] * real[i] +  imag[i] * imag[i];
68. *
69. * 如果FFT只用于频谱显示,可以"淘汰"幅值较小的而减少浮点乘法运算. MINY的值
70. * 和Spectrum.Y0,Spectrum.logY0对应.
71. */
72. sinv = MINY;
73. cosv = -MINY;
74. for (i = j; i != 0; i--) {
75. tmpr = real[i];
76. tmpi = imag[i];
77. if (tmpr > cosv && tmpr < sinv && tmpi > cosv && tmpi < sinv)
78. realIO[i - 1] = 0;
79. else
80. realIO[i - 1] = tmpr * tmpr + tmpi * tmpi;
81. }
82. }
83. }

3.频谱显示

　　(1).频段量化。512点FFT的输出为线性的，即0到音频截止频率（例如16kHz）等分为256个频段，频谱显示时至多可以显示256段。其实我们用不着显示这么多段，32段足矣，这里采用64段。研究表明人耳对频率的感知不是线性的，即频率升高一倍我们感知到的不是一倍，所以这里将256个频段非线性对应到64个频段内。这里采用指数方式作非线性划分，为什么用指数方式不用别的呢？我也不太清楚，我记得书上大概是这么说的吧。想想也合理，人耳朵对低频的感知较为不灵敏，所以一些音响对低频段作了提升，使得低频的能量远高于高频段，我们离音响比较远的时候，只听见低频段的声音，不是因为低频段的穿透性强，重要原因是其幅值大。频段量化见Spectrum的setPlot方法。

　　(2).音频数据抽取。频谱显示看起来是“实时”显示的，其实怎么可能呢？一是我们只是作了512点FFT（16kHz时频率分辨率为64Hz，比较粗略）；二是显示的时候每秒显示10多帧就足够了，即使每秒显示100帧以上，我们看得过来吗？所以我们只需要对音频数据间隔一段时间抽取一些出来分析、显示，这用Spectrum的run方法里的延时语句实现。解释一下run方法里的这一语句：

[java] view plaincopy

1. realIO[i] = (b[j + 1] << 8) | (b[j] & 0xff);

从混音器捕获到的数据是byte类型，需要转换为PCM的16位符号整数，高字节b[j+1]的符号确定了PCM数据的符号。JAVA的数据类型转换那是相当的麻烦，好在频谱显示不是真正意义上的“实时”的，所以尽管要进行FFT等这样大量运算，采用延时一段时间抽取数据出来分析使得整体的运算量不大。

　　(3).绘制“频率-幅值”直方图。采用内存作图，绘制好一帧后刷到屏幕上去。 直方图中柱体的长度代表该频段的幅值，这个幅值用对数量化，据说人耳朵对音频幅值(能量)的感知也是非线性的，呈对数函数特性的非线性。另外，本来应该对高频段的柱体长度作等响度修正，这样呈现在屏幕上的频谱直方图看起来才符合我们感知到的音乐，可是等响度修正系数没找到免费的供我们用用，人家申请得有专利，要￥或＄或那个什么来着，那就算啦。

　　(4).对经过FFT后得到的频域数据作怎样的处理使它呈现到屏幕上，并无定势，以上只是我的一个方法，你可以根据自己的喜好修改。

[java] view plaincopy

1. /*
2. * Spectrum.java
3. * 频谱显示
4. * http://jmp123.sf.net/
5. */
6. import java.awt.Color;
7. import java.awt.Dimension;
8. import java.awt.GradientPaint;
9. import java.awt.Graphics;
10. import java.awt.Graphics2D;
11. import java.awt.image.BufferedImage;
12. import javax.swing.JComponent;
13. public class Spectrum extends JComponent implements Runnable {
14. private static final long serialVersionUID = 1L;
15. private static final int maxColums = 128;
16. private static final int Y0 = 1 << ((FFT.FFT_N_LOG + 3) << 1);
17. private static final double logY0 = Math.log10(Y0); //lg((8*FFT_N)^2)
18. private int band;
19. private int width, height;
20. private int[] xplot, lastPeak, lastY;
21. private int deltax;
22. private long lastTimeMillis;
23. private BufferedImage spectrumImage, barImage;
24. private Graphics spectrumGraphics;
25. private boolean isAlive;
26. public Spectrum() {
27. isAlive = true;
28. band = 64;      //64段
29. width = 383;    //频谱窗口 383x124
30. height = 124;
31. lastTimeMillis = System.currentTimeMillis();
32. xplot = new int[maxColums + 1];
33. lastPeak = new int[maxColums];
34. lastY = new int[maxColums];
35. spectrumImage = new BufferedImage(width, height, BufferedImage.TYPE_3BYTE_BGR);
36. spectrumGraphics = spectrumImage.getGraphics();
37. setPreferredSize(new Dimension(width, height));
38. setPlot();
39. barImage = new BufferedImage(deltax - 1, height, BufferedImage.TYPE_3BYTE_BGR);
40. setColor(0x7f7f7f, 0xff0000, 0xffff00, 0x7f7fff);
41. }
42. public void setColor(int rgbPeak, int rgbTop, int rgbMid, int rgbBot) {
43. Color crPeak = new Color(rgbPeak);
44. spectrumGraphics.setColor(crPeak);
45. spectrumGraphics.setColor(Color.gray);
46. Graphics2D g = (Graphics2D)barImage.getGraphics();
47. Color crTop = new Color(rgbTop);
48. Color crMid = new Color(rgbMid);
49. Color crBot = new Color(rgbBot);
50. GradientPaint gp1 = new GradientPaint(0, 0, crTop,deltax - 1,height/2,crMid);
51. g.setPaint(gp1);
52. g.fillRect(0, 0, deltax - 1, height/2);
53. GradientPaint gp2 = new GradientPaint(0, height/2, crMid,deltax - 1,height,crBot);
54. g.setPaint(gp2);
55. g.fillRect(0, height/2, deltax - 1, height);
56. gp1 = gp2 = null;
57. crPeak = crTop = crMid = crBot = null;
58. }
59. private void setPlot() {
60. deltax = (width - band + 1) / band + 1;
61. // 0-16kHz分划为band个频段，各频段宽度非线性划分。
62. for (int i = 0; i <= band; i++) {
63. xplot[i] = 0;
64. xplot[i] = (int) (0.5 + Math.pow(FFT.FFT_N >> 1, (double) i   / band));
65. if (i > 0 && xplot[i] <= xplot[i - 1])
66. xplot[i] = xplot[i - 1] + 1;
67. }
68. }
69. /**
70. * 绘制"频率-幅值"直方图并显示到屏幕。
71. * @param amp amp[0..FFT.FFT_N/2-1]为频谱"幅值"(用复数模的平方)。
72. */
73. private void drawHistogram(float[] amp) {
74. spectrumGraphics.clearRect(0, 0, width, height);
75. long t = System.currentTimeMillis();
76. int speed = (int)(t - lastTimeMillis) / 30; //峰值下落速度
77. lastTimeMillis = t;
78. int i = 0, x = 0, y, xi, peaki, w = deltax - 1;
79. float maxAmp;
80. for (; i != band; i++, x += deltax) {
81. // 查找当前频段的最大"幅值"
82. maxAmp = 0; xi = xplot[i]; y = xplot[i + 1];
83. for (; xi < y; xi++) {
84. if (amp[xi] > maxAmp)
85. maxAmp = amp[xi];
86. }
87. /*
88. * maxAmp转换为用对数表示的"分贝数"y:
89. * y = (int) Math.sqrt(maxAmp);
90. * y /= FFT.FFT_N; //幅值
91. * y /= 8;  //调整
92. * if(y > 0) y = (int)(Math.log10(y) * 20 * 2);
93. *
94. * 为了突出幅值y显示时强弱的"对比度"，计算时作了调整。未作等响度修正。
95. */
96. y = (maxAmp > Y0) ? (int) ((Math.log10(maxAmp) - logY0) * 20) : 0;
97. // 使幅值匀速度下落
98. lastY[i] -= speed << 2;
99. if(y < lastY[i]) {
100. y = lastY[i];
101. if(y < 0) y = 0;
102. }
103. lastY[i] = y;
104. if(y >= lastPeak[i]) {
105. lastPeak[i] = y;
106. } else {
107. // 使峰值匀速度下落
108. peaki = lastPeak[i] - speed;
109. if(peaki < 0)
110. peaki = 0;
111. lastPeak[i] = peaki;
112. peaki = height - peaki;
113. spectrumGraphics.drawLine(x, peaki, x + w - 1, peaki);
114. }
115. // 画当前频段的直方图
116. y = height - y;
117. spectrumGraphics.drawImage(barImage, x, y, x+w, height, 0, y, w, height, null);
118. }
119. // 刷新到屏幕
120. repaint(0, 0, width, height);
121. }
122. public void paintComponent(Graphics g) {
123. g.drawImage(spectrumImage, 0, 0, null);
124. }
125. public void run() {
126. WaveIn wi = new WaveIn();
127. wi.open();
128. wi.start();
129. FFT fft = new FFT();
130. byte[] b = new byte[FFT.FFT_N << 1];
131. float realIO[] = new float[FFT.FFT_N];
132. int i, j;
133. try {
134. while (isAlive) {
135. Thread.sleep(80);// 延时不准确,这不重要
136. // 从混音器录制数据并转换为short类型的PCM
137. wi.read(b, FFT.FFT_N << 1);
138. //wi.getWave264(b, FFT.FFT_N << 1);//debug
139. for (i = j = 0; i != FFT.FFT_N; i++, j += 2)
140. realIO[i] = (b[j + 1] << 8) | (b[j] & 0xff); //signed short
141. // 时域PCM数据变换到频域,取回频域幅值
142. fft.calculate(realIO);
143. // 绘制
144. drawHistogram(realIO);
145. }
146. wi.close();
147. } catch (InterruptedException e) {
148. // e.printStackTrace();
149. }
150. }
151. public void stop() {
152. isAlive = false;
153. }
154. }

4.测试

　　你坐得这么直看了这么久，不demo一下下，说不过去。

[java] view plaincopy

1. import javax.swing.JFrame;
2. public class SpectrumTest {
3. public static void main(String[] args) {
4. JFrame frame = new JFrame();
5. final Spectrum spec = new Spectrum();
6. frame.getContentPane().add(spec);
7. frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
8. frame.setTitle("Audio Spectrum");
9. frame.setResizable(false);
10. frame.pack();
11. //frame.setAlwaysOnTop(true);
12. frame.setVisible(true);
13. //com.sun.awt.AWTUtilities.setWindowOpacity(frame, 0.8f);
14. new Thread(spec).start();
15. }
16. }

5.其它

　　(1 ).WaveIn要从混音器的“立体声混音器”获取音频数据，要打开音频属性调节->录音->选择立体声混音器，并将立体声混音器的音量推到最大。调节不来的喊我，顺便蹭顿饭吃吃:)

　　(2).以上代码实现了从音频输出捕获数据并显示其频谱直方图，直接从音频输出捕获数据的优点是与程序其它模块之间没有依赖性，缺点是资源占用较大，效率较低。内置在解码器里的频谱显示使程序模块之间耦合性增大，但运行效率高。我写了一个播放器，内置了频谱显示。下载地址：

http://jmp123.sf.net/

顶

3

踩

0