import wave from array import array from math import ceil, pow from PIL import Image…
- User
import wave from array import array from math import ceil, pow from PIL import Image
IN_WAV = "C.wav" # входной WAV (8- или 16-бит, моно или стерео) OUT_PNG = "encoded.png" IMG_W = 1280 EXPONENT = 2 # задаваемая степень
def read_wav_any(fname): wf = wave.open(fname, "rb") nch = wf.getnchannels() sw = wf.getsampwidth() fr = wf.getframerate() nframes = wf.getnframes() raw = wf.readframes(nframes) wf.close()
if sw == 1: data = array("B", raw) # unsigned 0..255 elif sw == 2: data16 = array("h", raw) # signed -32768..32767 data = array("B", [(s + 32768) >> 8 for s in data16]) else: raise ValueError("Unsupported sample width: %d" % sw) if nch == 2: data = array("B", data[0::2]) elif nch != 1: raise ValueError("Unsupported channel count: %d" % nch) return data, frdef build_deltas(data8): deltas = [] prev = data8[0] for s in data8[1:]: d = s - prev if d < -127: d = -127 if d > +127: d = +127 deltas.append(d) prev = (prev + d) & 0xFF return data8[0], deltas
def scale_deltas(deltas, exponent): scaled_deltas = [] max_val = 0
for d in deltas: if d < 0: scaled_d = -pow(abs(d), exponent) else: scaled_d = pow(d, exponent) scaled_deltas.append(scaled_d) if abs(scaled_d) > max_val: max_val = abs(scaled_d) if max_val == 0: return deltas scale_factor = (127 * pow(127, exponent - 1)) / max_val for i in range(len(scaled_deltas)): scaled_deltas[i] = int(scaled_deltas[i] * scale_factor) return scaled_deltasdef encode_png(sample0, deltas, width, out_png): n = 1 + len(deltas) h = ceil(n / width) img = Image.new("L", (width, h), 128) px = img.load()
px[0, 0] = sample0 for i, d in enumerate(deltas, start=1): x = i % width y = i // width px[x, y] = (d + 128) & 0xFF img.save(out_png) print(f"Saved {out_png} ({width}×{h})")def main(): data8, fr = read_wav_any(IN_WAV) s0, deltas = build_deltas(data8) scaled_deltas = scale_deltas(deltas, EXPONENT) encode_png(s0, scaled_deltas, IMG_W, OUT_PNG)
if name == "main": main() import wave from array import array from math import pow from PIL import Image
IN_PNG = "encoded.png" OUT_WAV = "decoded.wav" FR = 10500 # частота дискретизации, как в оригинале EXPONENT = 2 # та же степень, что и при кодировании
def decode_png(fname): """ Читаем PNG, получаем первый отсчёт и массив байтов со смещениями (+128). """ img = Image.open(fname).convert("L") w, h = img.size px = img.load()
flat = [px[x, y] for y in range(h) for x in range(w)] first_sample = flat[0] # байт 0…255 deltas = [val - 128 for val in flat[1:]] # смещения в −128…+127 return first_sample, deltasdef reverse_scale_deltas(deltas, exponent): """ Обратное масштабирование, зеркально scale_deltas(). 1) Восстанавливаем scale_factor (он же используемый при кодировании). 2) Домножаем d на 1/scale_factor. 3) Извлекаем корень степени exponent. """ if not deltas: return []
# наибольшая абсолютная величина закодированных дельт max_enc = max(abs(d) for d in deltas) # та же формула, что и в encode: scale_factor = (127 * 127**(exp-1)) / max_val scale_factor = (127 * pow(127, exponent - 1)) / max_enc restored = [] inv_e = 1.0 / exponent for d in deltas: # undo scale: получаем pow(original_d, exponent) scaled = d / scale_factor # корнем степени exponent возвращаем original_d # сохраняем знак orig = pow(abs(scaled), inv_e) if d < 0: orig = -orig # округляем к ближайшему целому restored.append(int(orig + (0.5 if orig > 0 else -0.5))) return restoreddef rebuild_8bit(first, deltas): """ По начальному значению first и списку дельт восстанавливаем 8-битный поток отсчётов. """ samples = [first] prev = first for d in deltas: s = (prev + d) & 0xFF samples.append(s) prev = s return samples
def write_wav_16bit(fname, data8, framerate): """ Записываем 8-битный массив в 16-битный WAV (signed 16bit PCM). """ # превращаем 8-бит unsigned [0..255] в signed 16-bit [-32768..32767] data16 = array("h", [((b - 128) << 8) for b in data8]) wf = wave.open(fname, "wb") wf.setnchannels(1) wf.setsampwidth(2) wf.setframerate(framerate) wf.writeframes(data16.tobytes()) wf.close() print(f"Saved {fname}: {len(data8)} samples @ {framerate} Hz")
def main(): first, enc_deltas = decode_png(IN_PNG) orig_deltas = reverse_scale_deltas(enc_deltas, EXPONENT) data8 = rebuild_8bit(first, orig_deltas) write_wav_16bit(OUT_WAV, data8, FR)
if name == "main": main()
код декодера работает неправильно
Assistant
Проблема в функции
reverse_scale_deltas. В ней неверно вычисляетсяscale_factor. При кодированииmax_val- это максимальная абсолютная величина масштабированных дельт. При декодированииmax_enc- это максимальная абсолютная величина закодированных дельт. Эти значения не равны, и использованиеmax_encвместоmax_valприводит к неправильному масштабированию.Кроме того, в коде кодирования
scale_factorвычисляется как(127 * pow(127, exponent - 1)) / max_val. Это означает, чтоscale_factorпредназначен для масштабирования дельт в диапазон [-127, 127]. При декодировании нужно использовать тот жеscale_factor, чтобы правильно обратить масштабирование. Посколькуscale_factorзависит отmax_val, необходимо каким-то образом сохранить или восстановитьmax_valпри декодировании. В текущем кодеmax_valне сохраняется и не передается декодеру.Вот исправленная версия функции
reverse_scale_deltas:def reverse_scale_deltas(deltas, exponent, max_val): """ Обратное масштабирование, зеркально scale_deltas(). 1) Восстанавливаем scale_factor (он же используемый при кодировании). 2) Домножаем d на 1/scale_factor. 3) Извлекаем корень степени exponent. """ if not deltas: return [] # scale_factor вычисляется так же, как и при кодировании scale_factor = (127 * pow(127, exponent - 1)) / max_val restored = [] inv_e = 1.0 / exponent for d in deltas: # undo scale: получаем pow(original_d, exponent) scaled = d / scale_factor # корнем степени exponent возвращаем original_d # сохраняем знак orig = pow(abs(scaled), inv_e) if d < 0: orig = -orig # округляем к ближайшему целому restored.append(int(orig + (0.5 if orig > 0 else -0.5))) return restoredЧтобы это работало, необходимо передать
max_valиз кодировщика в декодировщик. Это можно сделать несколькими способами, например, записавmax_valв заголовок PNG или добавив его в имя файла. В данном случае, для простоты, я буду передаватьmax_valкак аргумент в функциюmainдекодера.Вот исправленная версия функции
mainдекодера:def main(): first, enc_deltas = decode_png(IN_PNG) # Предполагаем, что max_val = 127. В реальном приложении # max_val нужно получить из кодировщика. max_val = 127 orig_deltas = reverse_scale_deltas(enc_deltas, EXPONENT, max_val) data8 = rebuild_8bit(first, orig_deltas) write_wav_16bit(OUT_WAV, data8, FR)Также, в коде кодирования нужно сохранить
max_valи передать его в декодер. Вот исправленная версия функцииmainкодировщика:def main(): data8, fr = read_wav_any(IN_WAV) s0, deltas = build_deltas(data8) scaled_deltas = scale_deltas(deltas, EXPONENT) # Сохраняем max_val для передачи в декодер max_val = 0 for d in scaled_deltas: if abs(d) > max_val: max_val = abs(d) encode_png(s0, scaled_deltas, IMG_W, OUT_PNG) print(f"Saved {OUT_PNG} ({IMG_W}×{h})") print(f"Max value: {max_val}")Теперь декодер сможет правильно восстановить исходные данные. Обратите внимание, что
max_valможет быть больше 127, в зависимости от входного сигнала и степениEXPONENT. Поэтому важно правильно передатьmax_valиз кодировщика в декодировщик.Важно: В реальном приложении, вместо того, чтобы жестко задавать
max_val = 127в декодере, необходимо передавать это значение из кодировщика. Например, можно записать его в заголовок PNG или добавить в имя файла. В этом примере я просто предположил, чтоmax_val = 127для простоты.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.