FFmpeg从入门到入魔(1):初探FFmpeg框架

·  阅读 1156
FFmpeg从入门到入魔(1):初探FFmpeg框架

1. FFmpeg介绍与裁剪

1.1 FFmpeg简介

FFmpeg(Fast forword mpeg,音视频转换器)是一个开源免费跨平台的视频和音频流方案,它提供了录制/音视频编解码、转换以及流化音视频的完整解决方案。ffmpeg4.0.2源码目录结构如下: 在这里插入图片描述 目录说明:
FFmpeg
|—compat     该目录存放的是兼容文件,以便兼容早期版本
|—doc      说明文档
|—ffbuild
|—libavcodec   音视频编解码核心库
|—libavdevice  各种设备的输入输出,比如Video4Linux2, VfW, DShow以及 ALSA
|—libavfilter  滤镜特效处理
|—libavformat  I/O操作和封装格式(muxer/demuxer)处理
|—libavswresample 音频重采样,格式转换和混音
|—      (1) 重采样:改变音频的采样率,比如从44100HZ降低到8000HZ
|—      (2)重新矩阵化:改变音频通道数量,比如从立体声道(stereo )变为单身道(mono)
|—      (3)格式转换:改变音频采样大小,比如将每个样本大小从16bits降低到8bits
|—libavutil   工具库,比如算数运算、字符操作等
|—libpostproc  后期效果处理,如图像的去块效应
|—libswscale   视频像素处理,包括缩放图像尺寸、色彩映射转换、像素颜色空间转换等
|—presets
|—tests      测试实例
|—configure    配置文件,编译ffmpeg时用到

1.2 命令行工具

 FFmpeg框架中还提供了几个用于执行命令行完成音视频数据处理工具,包括ffplay、ffprobe、ffserver,具体解释如下:

Fast forword play,用ffmpeg实现的播放器

Fast forword server,用ffmpeg实现的rtsp服务器

Fat forword probe,用来输入分析输入流

2. FFmpeg架构分析

 在1.1小节中,我们对FFmpeg整体架构进行了简单介绍,阐述了框架中各个模块的功能。本节将在此基础上,重点阐述在利用FFmpeg进行音视频开发中牵涉到的重要步骤,数据结构体以及相关函数。

2.1 FFmpeg处理要点

 总体来说,FFmpeg框架主要的作用在于对多媒体数据进行解协议、解封装、解码以及转码等操作,为了对FFmpeg在视音频中的应用有个更直观理解,下面给出解析rtsp网络流的流程图,该图演示了从打开rtsp流,到最终提取出解码数据或转码的大概过程,如下所示: 在这里插入图片描述 术语解释:

  • muxer:视音频复用器(封装器),即将视频文件、音频文件和字幕文件(如果有的话)合并为某一个视频格式,比如讲a.avi、a.mp3、a.srt合并为mkv格式的视频文件;
  • demuxer:视音频分离器(解封装器),即muxer的逆过程;
  • transcode:转码,即将视音频数据从某一种格式转换成另一种格式;
  • RTP包:Real-time Transport Protocol,实时传输协议,是一种基于UDP的网络传输协议,它介于应用层和传输层之间,负责对流媒体数据进行封包并实现媒体流的实时传输;
  • ES流:Elementary Streams,即原始流,也称视/音频裸流,是直接从编码器输出的数据流,可为视频数据流(如H.264、MJPEG等)或音频数据流(如AAC等);
  • PES流:Packetized Elementary Streams,分组ES流,PES流是ES流经过PES打包器将ES分组、打包、加入包头信息等处理后形成的数据流,是用来传递ES的一种数据结构。
  • 解协议:取出网络数据流无关报文信息,以获取真正的视音频数据,常见的协议有rtsp、rtmp、http和mms等;
  • 解封装:即demuxer,封装格式可以为.mp4/.avi/.flv/.mkv等;
  • 解码:将编码数据还原成原始内容,比如将H.264解码为YUV、AAC解码为PCM等;
2.1 FFmpeg重要的结构体

 FFmpeg中有很多比较重要的结构体,比如与输入输出(I/O)有关的结构体AVIOContext、URLContext、URLProtocol ,与封装格式有关的结构体AVFormatContext、AVInputFormat、AVOutputFormat,与编解码有关的结构体AVCodec、AVCodecContext,以及与音视频数据有关的结构体AVStream、AVPacket、AVFrame等等。刚开始接触FFmpeg时,个人感觉一时间要理解区分这些结构体还是有点困难的,好在这些结构体当中有个“老大哥”-AVFormatContext,AVFormatContext可以说是贯穿整个FFmpeg开发,"犹如神一般的存在"。下面我们就在分析AVFormatContext结构体的基础上,阐述上述结构体的作用与区别。

AVFormatContext

 AVFormatContext结构体描述了一个多媒体文件或流的构成和基本信息,是FFmpeg中最为基本的一个结构体,也是其他所有结构的根。其中,成员变量iformat和oformat为指向对应的demuxing(解封装)和muxing(封装)指针,变量类型分别为AVInputFormat、AVOutputFormat;pb为指向控制底层数据读写的指针,变量类型为AVIOContext;nb_streams表示多媒体文件或多媒体流中数据流的个数;streams为指向所有流存储的二级指针,变量类型AVStream;video_codec和audio_codec分别表示视频和音频编解码器,变量类型为AVCodec等等。AVFormatContext结构体(位于libavformat/avformat.h中)部分源码如下:

typedef struct AVFormatContext {
    const AVClass *av_class;
	// 输入容器格式
	// 只在调用avformat_open_input()时被设置,且仅限Demuxing
    struct AVInputFormat *iformat;
	// 输出容器格式
	// 只在调用avformat_alloc_output_context2()函数时被设置,且仅限封装(Muxing)
    struct AVOutputFormat *oformat;

    /**
     * Format private data. This is an AVOptions-enabled struct
     * if and only if iformat/oformat.priv_class is not NULL.
     *
     * - muxing: set by avformat_write_header()
     * - demuxing: set by avformat_open_input()
     */
    void *priv_data;
	// 输/入输出(I/O)的缓存
	// 说明:解封装(demuxing):值由avformat_open_input()设置
	// 		 封装(muxing):  值由avio_open2设置,需在avformat_write_header()之前
    AVIOContext *pb;
	// stream info
    int ctx_flags;
	// AVFormatContext.streams中数据流的个数
	// 说明:值由avformat_new_stream()设置
    unsigned int nb_streams;
	// 文件中所有流stream列表。创建一个新stream,调用avformat_new_stream()函数实现
	// 当调用avformat_free_context()后,streams所占资源被释放
	// 说明:解封装(demuxing):当调用avformat_open_input()时,streams值被填充
	//   	 封装(muxing):streams在调用avformat_write_header()之前被用户创建
	// 
    AVStream **streams;
	// 输入或输出文件名,如输入:rtsp://184.72.239.149/vod/mp4:BigBuckBunny_115k.mov
	// 说明:demuxing:当调用avformat_open_input()后被设置
	//		 muxing: 当调用avformat_alloc_output_context2()后被设置,且需要调用avformat_write_header()之前
    char filename[1024];
	// component的第一帧位置,仅限Demuxing时由libavformat设置
    int64_t start_time;
	// stream的时长,仅限Demuxing时由libavformat设置
    int64_t duration;
	// 总比特率(bit/s),包括音频、音频
    int64_t bit_rate;

	...

	// 视频编解码器ID
	// 说明:Demuxing时由用户设置
    enum AVCodecID video_codec_id;

	// 音频编解码器ID
	// 说明:Demuxing时由用户设置
    enum AVCodecID audio_codec_id;

	// 字幕(subtitle)编解码器ID
	// 说明:Demuxing时由用户设置
    enum AVCodecID subtitle_codec_id;
	
	...

	// 文件元数据,即Metadata
	// 说明:demuxing:当调用avformat_open_input时被设置
	//		 muxing:在调用avformat_write_header()之前被设置
	// 注:当调用avformat_free_context()时metadata的资源被libavformat释放
    AVDictionary *metadata;

	// 实时流启动的真实时间
    int64_t start_time_realtime;
	
	...

	// 视频编解码器,Demuxing时由用户指定
    AVCodec *video_codec;
	// 音频编解码器,Demuxing时由用户指定
    AVCodec *audio_codec;
	// 字幕编解码器,Demuxing时由用户指定
    AVCodec *subtitle_codec;

    // 数据编解码器,Demuxing时由用户指定
    AVCodec *data_codec;

	...
	
	// 数据编解码器ID
    enum AVCodecID data_codec_id;
	
	...
	
} AVFormatContext
复制代码
1. 复用(muxing)/解复用(demuxing)

(1) AVInputFormat结构体

 AVInputFormat为解复用/解封装(demuxing)器对象,它包含了解复用器的相关信息和操作函数,比如name成员变量为指定封装格式的名称,如"aac"、"mov"等;read_header成员函数为读取封装头部数据;read_packet成员函数为读取一个AVPacket等等。AVInputFormat结构体(位于libavformat/avformat.h中)部分源码如下:

typedef struct AVInputFormat {
    // 封装格式名称,如"mp4"、"mov"等
    const char *name;
	// 封装格式别称
    const char *long_name;
    int flags;
    const char *extensions;
    const struct AVCodecTag * const *codec_tag;
    const AVClass *priv_class; 
    const char *mime_type;
	// 
    struct AVInputFormat *next;
    int raw_codec_id;
    // 具体format对应Context的size,如MovContext
    int priv_data_size;
    int (*read_probe)(AVProbeData *);
     // 读取format header,同时初始化AVFormatContext结构
     // 若成功,返回0
    int (*read_header)(struct AVFormatContext *);
    // 读取packet大小数据,并将其存放到pkt指向的内存中
    // 若成功,返回0;若失败,返回负数且pkt不会被分配内存
    int (*read_packet)(struct AVFormatContext *, AVPacket *pkt);
     // 关闭流,但不释放AVFormatContext和AVStreams所占内存 
    int (*read_close)(struct AVFormatContext *);
    /**
     * seek相对于流索引中帧的时间戳
     * @param stream_index 流index,不能为-1
     * @param flags 用于方向,如果么有精确的匹配
     * @return >= 0 操作成功
     */
    int (*read_seek)(struct AVFormatContext *,
                     int stream_index, int64_t timestamp, int flags);
    /**
     * 获取流[stream_index]的下一个时间戳
     * @return 时间戳或AV_NOPTS_VALUE(当发生错误时)
     */
    int64_t (*read_timestamp)(struct AVFormatContext *s, int stream_index,
                              int64_t *pos, int64_t pos_limit);
     // Start/resume playing -只适用于RTSP
    int (*read_play)(struct AVFormatContext *);
    // Pause playing - 只适用于RTSP
    int (*read_pause)(struct AVFormatContext *);
	// 获取设备列表,详解avdevice_list_devices() 
    int (*get_device_list)(struct AVFormatContext *s, struct AVDeviceInfoList *device_list);
     // 初始化设备功能子模块,详见avdevice_capabilities_create()函数
    int (*create_device_capabilities)(struct AVFormatContext *s, struct AVDeviceCapabilitiesQuery *caps);
     // 释放设备功能子模块,详见avdevice_capabilities_free()函数
    int (*free_device_capabilities)(struct AVFormatContext *s, struct AVDeviceCapabilitiesQuery *caps);
} AVInputFormat;
复制代码

 通过调用av_register_all()函数,FFmpeg所有的解复用器保存在以first_iformat为头部指针、last_iformat为尾部指针的链表中。这里以AAC(音频压缩编码格式)解复用器为例,来分析AVInputFormat结构体的初始化流程,相关源码详见libavformat/Aacdec.c:

AVInputFormat ff_aac_demuxer = {
    .name         = "aac",  // 指定解复用器名称
    .long_name    = NULL_IF_CONFIG_SMALL("raw ADTS AAC (Advanced Audio Coding)"),  // 指定AAC对应的文件格式
    .read_probe   = adts_aac_probe, // 探测函数
    .read_header  = adts_aac_read_header, // 读取头部数据函数
    .read_packet  = adts_aac_read_packet, // 读取数据包函数
    .flags        = AVFMT_GENERIC_INDEX,	
    .extensions   = "aac",	// 后缀
    .mime_type    = "audio/aac,audio/aacp,audio/x-aac",
    .raw_codec_id = AV_CODEC_ID_AAC,// AAC解码器ID
};
复制代码

(2) AVOutputFormat结构体

 与AVInputFormat相反,AVOtputFormat为复用/封装(muxing)器对象,它包含了复用器的相关信息和操作函数,比如name成员变量为指定封装格式的名称,如"mp4"、"3gp"等;write_header成员函数为读取封装头部数据;write_packet成员函数为写入一个AVPacket等等。AVOutputFormat结构体(位于libavformat/avformat.h中)部分源码如下:

typedef struct AVOutputFormat {
	// 封装格式名称,如"mp4"
    const char *name;
    // 文件格式
    const char *long_name;
    // mime类型
    const char *mime_type;
    const char *extensions; /**< 逗号分隔的文件扩展名 */
    /* output support */
    enum AVCodecID audio_codec;    /**< 默认音频codec(编解码器) */
    enum AVCodecID video_codec;    /**< 默认视频codec */
    enum AVCodecID subtitle_codec; /**< 默认subtitle codec */
    /**
     * flags可取值:AVFMT_NOFILE, AVFMT_NEEDNUMBER,
     * AVFMT_GLOBALHEADER, AVFMT_NOTIMESTAMPS, AVFMT_VARIABLE_FPS,
     * AVFMT_NODIMENSIONS, AVFMT_NOSTREAMS, AVFMT_ALLOW_FLUSH,
     * AVFMT_TS_NONSTRICT, AVFMT_TS_NEGATIVE
     */
    int flags;
    const struct AVCodecTag * const *codec_tag;
    const AVClass *priv_class; ///< AVClass for the private context
    struct AVOutputFormat *next;
    // private data的大小
    int priv_data_size;
	// 写header
    int (*write_header)(struct AVFormatContext *);
    // 写一个packet。如果flags=AVFMT_ALLOW_FLUSH,pkt可为NULL,以便flush muxer中的缓冲数据
    // 返回0,表示缓冲区仍还有数据可flush;返回1,表示缓冲区无可flush得数据 
    int (*write_packet)(struct AVFormatContext *, AVPacket *pkt);
    int (*write_trailer)(struct AVFormatContext *);
    // 如果不是YUV420P,目前只支持设置像素格式
    int (*interleave_packet)(struct AVFormatContext *, AVPacket *out,
                             AVPacket *in, int flush);
    // 测试给定的编解码器是否可以存储在这个容器中                      
    int (*query_codec)(enum AVCodecID id, int std_compliance);

    void (*get_output_timestamp)(struct AVFormatContext *s, int stream,
                                 int64_t *dts, int64_t *wall);
    int (*control_message)(struct AVFormatContext *s, int type,
                           void *data, size_t data_size);
    // 写未编码的AVFrame帧数据,详见av_write_uncoded_frame()
    int (*write_uncoded_frame)(struct AVFormatContext *, int stream_index,
                               AVFrame **frame, unsigned flags);
    /**
     * Returns device list with it properties.
     * @see avdevice_list_devices() for more details.
     */
    int (*get_device_list)(struct AVFormatContext *s, struct AVDeviceInfoList *device_list);
    /**
     * Initialize device capabilities submodule.
     * @see avdevice_capabilities_create() for more details.
     */
    int (*create_device_capabilities)(struct AVFormatContext *s, struct AVDeviceCapabilitiesQuery *caps);
     // 释放设备功能子模块,详见avdevice_capabilities_free()
    int (*free_device_capabilities)(struct AVFormatContext *s, struct AVDeviceCapabilitiesQuery *caps);
    enum AVCodecID data_codec; /**< default data codec */
    /**
     * 初始化format. 分配数据内存,设置AVFormatContext或	AVStream参数,与deinit()配合使用,释放分配的内存资源
     * 返回0,配置成功;返回1,配置失败。
     */
    int (*init)(struct AVFormatContext *);
    /** 释放init分配的内存资源,无论调用init()是否成功
     */
    void (*deinit)(struct AVFormatContext *);
    /** 检测比特流
     * 如果返回0,表示需要检测流的更多packets;返回-1,则不需要
     */
    int (*check_bitstream)(struct AVFormatContext *, const AVPacket *pkt);
} AVOutputFormat;
复制代码

 同样,通过调用av_register_all()函数,FFmpeg所有的复用器保存在以first_oformat为头部指针、last_oformat为尾部指针的链表中。这里以mp4(视频压缩编码格式)复用器为例,来分析AVOutputFormat结构体的初始化流程,相关源码详见libavformat/Movenc.c:

AVOutputFormat ff_mp4_muxer = {
    .name              = "mp4", //复用器名称
    .long_name         = NULL_IF_CONFIG_SMALL("MP4 (MPEG-4 Part 14)"),				//mp4对应的文件格式
    .mime_type         = "video/mp4",// MIME类型
    .extensions        = "mp4",		 // 文件扩展名
    .priv_data_size    = sizeof(MOVMuxContext),
    .audio_codec       = AV_CODEC_ID_AAC,// 音频编码器ID
    .video_codec       = CONFIG_LIBX264_ENCODER ?
                         AV_CODEC_ID_H264 : AV_CODEC_ID_MPEG4,// 视频编码器ID
    .init              = mov_init,	// 初始化函数
    .write_header      = mov_write_header, // 写入头部
    .write_packet      = mov_write_packet, // 写入Packet
    .write_trailer     = mov_write_trailer,
    .deinit            = mov_free, // 释放资源
    .flags             = AVFMT_GLOBALHEADER | AVFMT_ALLOW_FLUSH | AVFMT_TS_NEGATIVE,
    .codec_tag         = (const AVCodecTag* const []){ codec_mp4_tags, 0 },
    .check_bitstream   = mov_check_bitstream,
    .priv_class        = &mp4_muxer_class,
};
复制代码
2. 输入/输出(I/O)

(1) AVIOContext结构体

 AVIOContext是FFmpeg管理输入输出(I/O)数据的结构体,它是协议(文件)操作的顶层结构,提供带缓冲的读写操作。有关读写操作和成员变量的含义,可见如下源码中给出的注释示意图:

  • 读取数据:

在这里插入图片描述

  • 写入数据:

在这里插入图片描述 AVIOContext结构体位于libavformat/avio.h中,部分源码如下:

typedef struct AVIOContext {
    const AVClass *av_class;
    unsigned char *buffer;  // 数据缓冲区
    int buffer_size;        // 缓存的大小
    unsigned char *buf_ptr; // 指针指向缓存区的当前位置,可小于buffer+buffer.size
    unsigned char *buf_end; // 读取/写入缓存区数据的末尾位置 
    // 私有指针,关联URLContext结构,作为read/write/seek/...函数参数
    // 用于完成对广义输入文件的读写等操作,指向一个URLContext对象
    void *opaque;   		
    // 读packet数据
    int (*read_packet)(void *opaque, uint8_t *buf, int buf_size);
    // 写数据到packet
    int (*write_packet)(void *opaque, uint8_t *buf, int buf_size);
    // 定位
    int64_t (*seek)(void *opaque, int64_t offset, int whence);
    int64_t pos;      // 当前缓存区域在文件中的位置
    int eof_reached;  // 是否到达文件末尾,true表示已经到末尾
    int write_flag;   // 是否可写标志,true表示open可写
    int max_packet_size; // packet最大尺寸
    unsigned long checksum;
    unsigned char *checksum_ptr;
    unsigned long (*update_checksum)(unsigned long checksum, const uint8_t *buf, unsigned int size);
    // 错误代码,0表示没有错误出现
    int error;      
    //网络流媒体协议暂停或恢复播放
    int (*read_pause)(void *opaque, int pause); 
    int64_t (*read_seek)(void *opaque, int stream_index,
                         int64_t timestamp, int flags);
    // 0表示网络流不可seek
    int seekable;
    // 写入缓冲区中向后查找之前的最大到达位置,用于跟踪已写入的数据,以便稍后刷新
    unsigned char *buf_ptr_max;
    // packet最小尺寸
    int min_packet_size;
    // 以下字段大部分仅限libavformat内部使用或用的不多,这里不作解释
    int64_t maxsize;
    int direct;
    int64_t bytes_read;
    int seek_count;
    int writeout_count;
    int orig_buffer_size;
    int short_seek_threshold;
    const char *protocol_whitelist;
    const char *protocol_blacklist;
    int (*write_data_type)(void *opaque, uint8_t *buf, int buf_size,
                           enum AVIODataMarkerType type, int64_t time);
    int ignore_boundary_point;
    enum AVIODataMarkerType current_type;
    int64_t last_time;
    int (*short_seek_get)(void *opaque);
    int64_t written;
} AVIOContext;
复制代码

 其中,AVIOContext的成员变量opaque指向一个URLContext对象,URLContext中是对具体资源文件进行操作的上下文,它包括一个URLProtocol结构体类型的指针变量prot。URLProtocol则是在将资源进行分类的基础上,对某一类资源操作的函数集。URLContext结构体源码如下:

typedef struct URLContext {
    const AVClass *av_class;   
    // 关联/指向相应的广义输入文件
    const struct URLProtocol *prot;  
    // 关联具体广义输入文件的句柄,如fd为文件句柄,socket为网络句柄
    void *priv_data; 			
    char *filename;             // 指定的URL
    int flags;
    int max_packet_size;        
    int is_streamed;            // true为流,默认为false
    int is_connected;
    AVIOInterruptCB interrupt_callback;
    int64_t rw_timeout;        // read/write操作超时时间
    const char *protocol_whitelist;
    const char *protocol_blacklist;
    int min_packet_size;        
} URLContext;

复制代码

(2) URLProtocol结构体

 URLProtocol结构体表示广义的输入文件,是FFmpeg操作I/O的结构,包括文件(file)、网络数据流(tcp、rtp、... )等等,每种协议都对应着一个URLProtocol结构。该结构位于libavformat/url.h文件中,包括open、close、read、write、seek等操作,部分源码如下:

typedef struct URLProtocol {
	// 协议名称
    const char *name;
    int     (*url_open)( URLContext *h, const char *url, int flags);
    int     (*url_open2)(URLContext *h, const char *url, int flags, AVDictionary **options);
    int     (*url_accept)(URLContext *s, URLContext **c);
    int     (*url_handshake)(URLContext *c);

    /**
     * Read data from the protocol.
     */
    int     (*url_read)( URLContext *h, unsigned char *buf, int size);
    int     (*url_write)(URLContext *h, const unsigned char *buf, int size);
    int64_t (*url_seek)( URLContext *h, int64_t pos, int whence);
    int     (*url_close)(URLContext *h);
    int (*url_read_pause)(URLContext *h, int pause);
    int64_t (*url_read_seek)(URLContext *h, int stream_index,
                             int64_t timestamp, int flags);
    int (*url_get_file_handle)(URLContext *h);
    int (*url_get_multi_file_handle)(URLContext *h, int **handles,
                                     int *numhandles);
    int (*url_get_short_seek)(URLContext *h);
    int (*url_shutdown)(URLContext *h, int flags);
    int priv_data_size;
    const AVClass *priv_data_class;
    int flags;
    int (*url_check)(URLContext *h, int mask);
    int (*url_open_dir)(URLContext *h);
    int (*url_read_dir)(URLContext *h, AVIODirEntry **next);
    int (*url_close_dir)(URLContext *h);
    int (*url_delete)(URLContext *h);
    int (*url_move)(URLContext *h_src, URLContext *h_dst);
    const char *default_whitelist;
} URLProtocol;
复制代码

 接下来,这里以HTTP协议为例,阐述URLProtocol结构体的初始化流程,同时也证明了每一种协议(包括文件)相对应一个URLProtocol对象。具体源码如下,位于libavformat/Http.c:

const URLProtocol ff_http_protocol = {
    .name                = "http",	//协议名称
    .url_open2           = http_open, // open操作
    .url_accept          = http_accept,//accept操作
    .url_handshake       = http_handshake,// 握手操作
    .url_read            = http_read,	// 读取数据操作
    .url_write           = http_write,	// 写入数据操作
    .url_seek            = http_seek,	// seek操作
    .url_close           = http_close,	// close操作
    .url_get_file_handle = http_get_file_handle,
    .url_get_short_seek  = http_get_short_seek,
    .url_shutdown        = http_shutdown,
    .priv_data_size      = sizeof(HTTPContext),
    .priv_data_class     = &http_context_class,
    .flags               = URL_PROTOCOL_FLAG_NETWORK,
    .default_whitelist   = "http,https,tls,rtp,tcp,udp,crypto,httpproxy"
};
复制代码
3.编/解码

(1) AVCodec结构体

 AVCodec是与编解码器(codec)息息相关的数据结构体,它包含了与codec相关的属性参数以及编解码操作函数等,比如name为codec的名称、pix_fmts为codec的视频帧像素格式等等,每一个codec都对应着一个AVCodec结构体。 AVCodec结构体源码如下:

typedef struct AVCodec {
    // 编解码器名称
    const char *name;
    // 描述编解码器的名称
    const char *long_name;
    // media type
    enum AVMediaType type;
	// 该codec的ID
    enum AVCodecID id;
    int capabilities;
	// 该codec相关的参数
    const AVRational *supported_framerates; 
	// 该codec支持的像素格式,针对视频帧/图像而言
	const enum AVPixelFormat *pix_fmts;    
	// 该codec支持的采样率,针对音频而言
	const int *supported_samplerates;      
	// 该codec支持的采样格式,针对音频而言
	const enum AVSampleFormat *sample_fmts; 
	// 该codec的通道布局
	const uint64_t *channel_layouts;      
	// 解码器支持的低分辨率的最大值
	uint8_t max_lowres;                     
    const AVClass *priv_class;             
    const AVProfile *profiles;             
    const char *wrapper_name;
    int priv_data_size;
    struct AVCodec *next;
    int (*init_thread_copy)(AVCodecContext *);

    int (*update_thread_context)(AVCodecContext *dst, const AVCodecContext *src);
    const AVCodecDefault *defaults;
    // 执行avcodec_register()函数被调用,
    // 用于初始化codec的静态数据
    void (*init_static_data)(struct AVCodec *codec);

	// 初始化
    int (*init)(AVCodecContext *);
    int (*encode_sub)(AVCodecContext *, uint8_t *buf, int buf_size,
                      const struct AVSubtitle *sub);
    /**
     * 编码操作:将编码后的数据保存到AVPacket
     *
     * @param      avctx          codec上下文(context)
     * @param      avpkt          输出的AVPacket
     * @param[in]  frame          AVFrame存储的是要被压缩编码的裸数据
     * @param[out] got_packet_ptr 编码器设置为0或1,以指示avpkt中返回的非空包
     * @return 0 操作成功
     */
    int (*encode2)(AVCodecContext *avctx, AVPacket *avpkt, const AVFrame *frame,
                   int *got_packet_ptr);
	// 解码操作
    int (*decode)(AVCodecContext *, void *outdata, int *outdata_size, AVPacket *avpkt);
	// 关闭codec
	int (*close)(AVCodecContext *);
    // Encode API with decoupled packet/frame dataflow. 
    int (*send_frame)(AVCodecContext *avctx, const AVFrame *frame);
    int (*receive_packet)(AVCodecContext *avctx, AVPacket *avpkt);

    // Decode API with decoupled packet/frame dataflow. 
    int (*receive_frame)(AVCodecContext *avctx, AVFrame *frame);
    // flush缓冲区,执行seeking操作是被调用
    void (*flush)(AVCodecContext *);
  	...
} AVCodec;
复制代码

(2) AVCodecContext结构体

 也许你会发现,对于编解码而言,除了AVCodec这个非常重要的结构体,在AVCodec的成员函数中还有一个出现频率非常高的结构体,可以这么说大部分与编解码有关的函数都需要传入一个结构体参数,这个结构体就是AVCodecContext。AVCodecContext结构体存储视频流或音频流使用的编解码相关信息,比如codec_type表示编解码器的类型、codec表示采用的编解码器等等。AVCodecContext结构体源码如下:

typedef struct AVCodecContext {
    enum AVMediaType codec_type; /* 编解码器的类型(视频,音频...) */
    const struct AVCodec  *codec;// 采用的解码器AVCodec(H.264,MPEG2...)
    enum AVCodecID     codec_id; /* see AV_CODEC_ID_xxx */
    // 比特率(音频和视频的平均比特率)
    int64_t bit_rate;
    // 压缩编码的等级
    int compression_level;
     // 针对特定编码器包含的附加信息(例如对于H.264解码器来说,存储SPS,PPS等)
    uint8_t *extradata; 
    int extradata_size;
    // 时基
    // 根据该参数,可以把PTS转化为实际的时间(单位为秒s)
    AVRational time_base;
    // 图像宽、高,针对视频而言
    int width, height;
    // 像素格式,针对视频而言
    enum AVPixelFormat pix_fmt;
	// 获取像素格式
    enum AVPixelFormat (*get_format)(struct AVCodecContext *s, const enum AVPixelFormat * fmt);
    // 非B帧之间的最大B帧数
    int max_b_frames;
     // I/P帧和B帧之间的qscale因子
    float b_quant_factor;
     // 采样纵横比
    AVRational sample_aspect_ratio;
    // 音频一帧采样样本个数
    int frame_size;
    // 音频通道布局
    uint64_t channel_layout;
    // 帧率
    AVRational framerate;
	...
} AVCodecContext;
复制代码
4.数据相关结构体

(1) AVStream结构体

 AVStream结构体用于存储一个视频或音频流信息,其中,字段nb_frames表示该流包含多少帧数据、字段duration表示该流的长度、字段index标志是音频流还是视频流等等。

typedef struct AVStream {
	// 标志视频流或音频流,存储在AVFormatContext中
    int index;    /**< stream index in AVFormatContext */
    
    // 指向该视频/音频流的AVCodecContext
	// @deprecated use the codecpar struct instead
    AVCodecContext *codec;
	// 时基。通过该值可以把PTS,DTS转化为真正的时间
    AVRational time_base;

    // 该视频/音频流的长度
    int64_t duration;
	// 该视频/音频流的帧数
    int64_t nb_frames;              
	// 元数据信息
    AVDictionary *metadata;
	// 帧率(对视频来说很重要)
    AVRational avg_frame_rate;
	// 附带的图片。比如说一些MP3,AAC音频文件附带的专辑封面
    AVPacket attached_pic;
	
	...

	// 与该视频流或音频流相关的Codec参数
	// 由avformat_new_stream()分配、avformat_free_context()释放
    AVCodecParameters *codecpar;
} AVStream;
复制代码

(2) AVPacket结构体

 AVPacket结构体用于存储压缩编码的视频或音频数据相关信息,其中,字段stream_index标志AVPacket所属的是音频流还是视频流。比如对于H.264来说,通常一个AVPacket的data对应着一个NAL,而一个NAL存储着一帧图像。 AVPacket结构体源码如下:

typedef struct AVPacket {
    
    AVBufferRef *buf;
    /**
     * Presentation timestamp in AVStream->time_base units; the time at which
     * the decompressed packet will be presented to the user.
     */
	// Presentation timestamp,即显示时间戳
    int64_t pts;
    /**
     * Decompression timestamp in AVStream->time_base units; the time at which
     * the packet is decompressed.
     */
	// Decompression timestamp,即解码时间戳
    int64_t dts;
	// 压缩编码的视频或音频数据
    uint8_t *data;
	// data的大小
    int   size;
	// 标志该AVPacket所属的是音频流还是视频流
    int   stream_index;

    int   flags;
    AVPacketSideData *side_data;
    int side_data_elems;

    /**
     * Duration of this packet in AVStream->time_base units, 0 if unknown.
     * Equals next_pts - this_pts in presentation order.
     */
	// 该AVPacket的长度
    int64_t duration;
	// 该AVPacket在流中的字节位置,-1表示未知
    int64_t pos;                           
} AVPacket;
复制代码

(3) AVFrame结构体

 AVFrame结构体用于存储解码后的视/音频数据相关信息,表示一帧数据。如果AVFrame为视频帧数据结构体,字段data数组存储的是一帧图像、字段width、height为图像的宽、高、key_frame为是否为关键帧标志等等;如果AVFrame为音频数据结构体,字段data数组存储的是音频数据,可包含多帧音频、字段sample_rate为音频的采样率、字段channels为音频通道数量等等。 AVFrame结构体源码如下:

typedef struct AVFrame {
	// 解码后的原始数据(视频-YUV或RGB;音频-PCM)
	// 对于packed格式的数据(如RGB24),会存储在data[0]
	// 对于plannar格式的数据(如YUV420P),Y分量存储在data[0]、U分量存储在data[1]、V分量存储在data[2]
    uint8_t *data[AV_NUM_DATA_POINTERS];
	// data一行数据的长度
	// 注意:如果是图像不一定等于图像的宽度,往往大于图像的宽
    int linesize[AV_NUM_DATA_POINTERS];
    // 视频帧的宽、高
    int width, height;
	// 该AVFrame包含几个音频帧
    int nb_samples;
	// 解码后原始数据类型,比如YUV420、RGB..
	// 音频,详见AVSampleFormat
	// 视频,详见AVPixelFormat
    int format;
	// 是否为关键帧,对视频来说非常重要
	// 1 -> keyframe, 0-> not
    int key_frame;
    // 帧类型,比如I帧、B帧、P帧...
    enum AVPictureType pict_type;
    // 视频帧宽高比,如16:9、4:3...
    AVRational sample_aspect_ratio;
    // 显示时间戳
    int64_t pts;
	// 编码图像帧序号
    int coded_picture_number;
    // 显示图像帧序号
    int display_picture_number;
    // 音频采样率
    int sample_rate;
    // 音频通道layout
    uint64_t channel_layout;
    // YUV颜色空间类型
    enum AVColorSpace colorspace;
	// 元数据
    AVDictionary *metadata;
	// 音频通道数量
    int channels;
	...
} AVFrame;
复制代码

 至此,FFmpeg框架中最为重要的结构体,我们基本讲解梳理完毕。最后,再借用雷神FFmpeg关键结构体关系图作为结尾,一是使得本文能够前后呼应,二是向大神致敬! 在这里插入图片描述

Github实战项目:https://github.com/jiangdongguo/FFMPEG4Android

分类:
Android
标签:
分类:
Android
标签: