使用Python将WAV转PNG后反向还原为原WAV异常如何解决？

• 字节总长度统计错误：w.getnframes()是音频的帧数，而非读取到的frames字节串的总长度，你遍历字节生成RGB三元组时误用帧数作为长度上限，直接丢弃了大部分音频原始数据。
• 数据截断丢失：计算正方形边长时直接取整舍弃小数部分，无法填满正方形的剩余字节全部被丢弃，还原时数据天然不完整。
• 音频回写格式完全错误：
  1. 写死采样宽度为2，若原音频采样宽度不匹配直接导致格式错乱
  2. 将单字节的像素值强制转换为8字节大端数据写入，每个有效字节被填充了7个无效字节，音频采样数据完全失真
• 逐字节写入效率极低，wave库的writeframesraw支持直接传入完整字节串，无需循环逐个写入

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

# 读取音频
w = wave.open("sample.wav", mode="rb")
frames = w.readframes(w.getnframes())
frame_bytes = list(frames)
total_bytes = len(frame_bytes)

# 填充字节到刚好可组成正方形RGB图像
need_pad = 3 * ceil(sqrt(total_bytes / 3)) ** 2 - total_bytes
frame_bytes += [0] * need_pad
total_padded = len(frame_bytes)

# 生成RGB像素列表
pixels = []
for i in range(0, total_padded, 3):
    pixels.append((frame_bytes[i], frame_bytes[i+1], frame_bytes[i+2]))

# 生成正方形图像
dim = int(sqrt(total_padded / 3))
img_array = np.array(pixels, dtype=np.uint8).reshape(dim, dim, 3)
new_image = Image.fromarray(img_array)
new_image.save('new.png')

# 从图像读取像素
p = Image.open("new.png", mode="r")
flatten = [x for sets in list(p.getdata()) for x in sets]
# 截断掉之前填充的无效字节
flatten = flatten[:total_bytes]
revert_bytes = bytes(flatten)

# 回写音频，参数完全复用原音频配置
obj = wave.open('sound.wav', 'w')
obj.setnchannels(w.getnchannels())
obj.setsampwidth(w.getsampwidth())
obj.setframerate(w.getframerate())
obj.writeframesraw(revert_bytes)
obj.close()
w.close()

内容的提问来源于stack exchange，提问作者Hunter G