Android硬编码——音频编码视频编码及音视频混合

Posted 2022-08-01 湖广午王

视频编解码对许多android程序员来说都是Android中比较难的一个知识点。在Android 4.1以前，Android并没有提供硬编硬解的API，所以之前基本上都是采用FFMpeg来做视频软件编解码的，现在FFMpeg在Android的编解码上依旧广泛应用。本篇博客主要讲到的是利用Android4.1增加的API MediaCodec和Android 4.3增加的API MediaMuxer进行Mp4视频的录制。

概述

通常来说，对于同一平台同一硬件环境，硬编硬解的速度是快于软件编解码的。而且相比软件编解码的高CPU占用率来说，硬件编解码也有很大的优势，所以在硬件支持的情况下，一般硬件编解码是我们的首选。
在Android中，我们可以直接使用MediaRecord来进行录像，但是在很多适合MediaRecord并不能满足我们的需求，比如我们需要对录制的视频加水印或者其他处理后，所有的平台都按照同一的大小传输到服务器等。
在本篇博客中，将会讲到的是利用AudioRecord录音，利用OpenGL渲染相机数据并做处理。然后利用MediaCodec对音频和视频分别进行编码，使用MediaMuxer将编码后的音视频进行混合保存为Mp4的编码过程与代码示例。
值得注意的是，音视频编解码用到的MediaCodec是Android 4.1新增的API，音视频混合用到的MediaMuxer是Android 4.3新增的API，所以本篇博客的示例只实用于Android 4.3以上的设备。

AudioRecord（录音API）

AudioRecord是相对MediaRecord更为底层的API，使用AudioRecord也可以很方便的完成录音功能。AudioRecord录音录制的是原始的PCM音频数据，我们可以使用AudioTrack来播放PCM音频文件。
AudioRecord最简单的使用代码如下：

private int sampleRate=44100;   //采样率，默认44.1k
private int channelCount=2;     //音频采样通道，默认2通道
private int channelConfig=AudioFormat.CHANNEL_IN_STEREO;        //通道设置，默认立体声
private int audioFormat=AudioFormat.ENCODING_PCM_16BIT;     //设置采样数据格式，默认16比特PCM
private FileOutputStream fos;       //用于保存录音文件

//音频录制实例化和录制过程中需要用到的数据
bufferSize = AudioRecord.getMinBufferSize(sampleRate, channelConfig, audioFormat)*2;
buffer=new byte[bufferSize];

//实例化AudioRecord
mRecorder=new AudioRecord(MediaRecorder.Audiosource.MIC,sampleRate,channelConfig,
    audioFormat,bufferSize);

//开始录制
mRecorder.startRecording();

//循环读取数据到buffer中，并保存buffer中的数据到文件中
int length=mRecorder.read(buffer,0,bufferSize);
fos.write(buffer,0,length);

//中止循环并结束录制
isRecording=false;
mRecorder.stop();

按照上面的步骤，我们就能成功的录制PCM音频文件了，但是处于传输和存储方面的考虑，一般来说，我们是不会直接录制PCM音频文件的。而是在录制过程中就对音频数据进行编码为aac、mp3、wav等其他格式的音频文件。

MediaCodec（硬件编解码API）

理解MediaCodec

MediaCodec的使用在Android Developer官网上有详细的说明。官网上的图能够很好的说明MediaCodec的使用方式。我们只需理解这个图，然后熟悉下MediaCodec的API就可以很快的上手使用MediaCodec来进行音视频的编解码工作了。

针对于上图，我们可以把InputBuffers和OutputBuffers简单的理解为它们共同组成了一个环形的传送带，传送带上铺满了空盒子。编解码开始后，我们需要得到一个空盒子（dequeueInputBuffer），然后往空盒子中填充原料（需要被编/解码的音/视频数据），并且放回到传送带你取出时候的那个位置上面（queueInputBuffer）。传送带经过处理器（Codec）后，盒子里面的原料被加工成了你所期望的东西（编解码后的数据），你就可以按照你放入原料时候的顺序，连带着盒子一起取出加工好的东西（dequeueOutputBuffer），并将取出来的东西贴标签（加数据头之类的非必须）和装箱（组合编码后的帧数据）操作，同样之后也要把盒子放回到原来的位置（releaseOutputBuffer）。

音频编码实例

在官网上有更规范的使用示例，结合上面的音频录制，编码为AAC音频文件示例代码如下：

private String mime = "audio/mp4a-latm";    //录音编码的mime
private int rate=256000;                    //编码的key bit rate

//相对于上面的音频录制，我们需要一个编码器的实例
MediaFormat format=MediaFormat.createAudioFormat(mime,sampleRate,channelCount);
format.setInteger(MediaFormat.KEY_AAC_PROFILE, MediaCodecInfo.CodecProfileLevel.AACObjectLC);
format.setInteger(MediaFormat.KEY_BIT_RATE, rate);
mEnc=MediaCodec.createEncoderByType(mime);
mEnc.configure(format,null,null,MediaCodec.CONFIGURE_FLAG_ENCODE);  //设置为编码器

//同样，在设置录音开始的时候，也要设置编码开始
mEnc.start();

//之前的音频录制是直接循环读取，然后写入文件，这里需要做编码处理再写入文件
//这里的处理就是和之前传送带取盒子放原料的流程一样了，注意一般在子线程中循环处理
int index=mEnc.dequeueInputBuffer(-1);
if(index>=0)
    final ByteBuffer buffer=mEnc.getInputBuffer(index);
    buffer.clear();
    int length=mRecorder.read(buffer,bufferSize);
    if(length>0)
        mEnc.queueInputBuffer(index,0,length,System.nanoTime()/1000,0);
    

MediaCodec.BufferInfo mInfo=new MediaCodec.BufferInfo();
int outIndex;
//每次取出的时候，把所有加工好的都循环取出来
do
    outIndex=mEnc.dequeueOutputBuffer(mInfo,0);
    if(outIndex>=0)
        ByteBuffer buffer=mEnc.getOutputBuffer(outIndex);
        buffer.position(mInfo.offset);
        //AAC编码，需要加数据头，AAC编码数据头固定为7个字节
        byte[] temp=new byte[mInfo.size+7];
        buffer.get(temp,7,mInfo.size);
        addADTStoPacket(temp,temp.length);
        fos.write(temp);
        mEnc.releaseOutputBuffer(outIndex,false);
    else if(outIndex ==MediaCodec.INFO_TRY_AGAIN_LATER)
        //TODO something
    else if(outIndex==MediaCodec.INFO_OUTPUT_FORMAT_CHANGED)
        //TODO something
    
while (outIndex>=0);

//编码停止，发送编码结束的标志，循环结束后，停止并释放编码器
mEnc.stop();
mEnc.release();

AAC编码加文件头的实现参照AAC编码规则，将数据填入就好了，网上很容易找到，具体实现如下：

/**
* 给编码出的aac裸流添加adts头字段
* @param packet 要空出前7个字节，否则会搞乱数据
* @param packetLen
*/
private void addADTStoPacket(byte[] packet, int packetLen) 
   int profile = 2;  //AAC LC
   int freqIdx = 4;  //44.1KHz
   int chanCfg = 2;  //CPE
   packet[0] = (byte)0xFF;
   packet[1] = (byte)0xF9;
   packet[2] = (byte)(((profile-1)<<6) + (freqIdx<<2) +(chanCfg>>2));
   packet[3] = (byte)(((chanCfg&3)<<6) + (packetLen>>11));
   packet[4] = (byte)((packetLen&0x7FF) >> 3);
   packet[5] = (byte)(((packetLen&7)<<5) + 0x1F);
   packet[6] = (byte)0xFC;

这样，得到的文件就是AAC音频文件了，一般Android系统自带的播放器都可以直接播放。

视频编码实例

视频的编码和上面音频的编码也大同小异。摄像头的数据回调时间并不是确定的，就算你设置了摄像头FPS范围为30-30帧，它也不会每秒就一定给你30帧数据。Android摄像头的数据回调，受光线的影响非常严重，这是由HAL层的3A算法决定的，你可以将自动曝光补偿、自动白平光等等给关掉，这样你才有可能得到稳定的帧率。
而我们录制并编码视频的时候，肯定是希望得到一个固定帧率的视频。所以在视频录制并进行编码的过程中，需要自己想些法子，让帧率固定下来。最简单也是最有效的做法就是，按照固定时间编码，如果没有新的摄像头数据回调来就用上一帧的数据。
参考代码如下：

private String mime="video/avc";    //编码的MIME
private int rate=256000;            //波特率，256kb
private int frameRate=24;           //帧率，24帧
private int frameInterval=1;        //关键帧一秒一关键帧

//和音频编码一样，设置编码格式，获取编码器实例
MediaFormat format=MediaFormat.createVideoFormat(mime,width,height);
format.setInteger(MediaFormat.KEY_BIT_RATE,rate);
format.setInteger(MediaFormat.KEY_FRAME_RATE,frameRate);
format.setInteger(MediaFormat.KEY_I_FRAME_INTERVAL,frameInterval);
//这里需要注意，为了简单这里是写了个固定的ColorFormat
//实际上，并不是所有的手机都支持COLOR_FormatYUV420Planar颜色空间
//所以正确的做法应该是，获取当前设备支持的颜色空间，并从中选取
format.setInteger(MediaFormat.KEY_COLOR_FORMAT, 
            MediaCodecInfo.CodecCapabilities.COLOR_FormatYUV420Planar);
mEnc=MediaCodec.createEncoderByType(mime);
mEnc.configure(format,null,null,MediaCodec.CONFIGURE_FLAG_ENCODE);

//同样，准备好了后，开始编码器
mEnc.start();

//编码器正确开始后，在子线程中循环编码，固定码率的话，就是一个循环加上线程休眠的时间固定
//流程和音频编码一样，取出空盒子，往空盒子里面加原料，放回盒子到原处,
//盒子中原料被加工，取出盒子，从盒子里面取出成品，放回盒子到原处
int index=mEnc.dequeueInputBuffer(-1);
if(index>=0)
    if(hasNewData)
        if(yuv==null)
            yuv=new byte[width*height*3/2];
        
        //把传入的rgba数据转成yuv的数据，转换在网上也是一大堆，不够下面还是一起贴上吧
        rgbaToYuv(data,width,height,yuv);
    
    ByteBuffer buffer=getInputBuffer(index);
    buffer.clear();
    buffer.put(yuv);
    //把盒子和原料一起放回到传送带上原来的位置
    mEnc.queueInputBuffer(index,0,yuv.length,timeStep,0);

MediaCodec.BufferInfo mInfo=new MediaCodec.BufferInfo();
//尝试取出加工好的数据，和音频编码一样，do while和while都行，觉得怎么好怎么写
int outIndex=mEnc.dequeueOutputBuffer(mInfo,0);
while (outIndex>=0)
    ByteBuffer outBuf=getOutputBuffer(outIndex);
    byte[] temp=new byte[mInfo.size];
    outBuf.get(temp);
    if(mInfo.flags==MediaCodec.BUFFER_FLAG_CODEC_CONFIG)
        //把编码信息保存下来，关键帧上要用
        mHeadInfo=new byte[temp.length];
        mHeadInfo=temp;
    else if(mInfo.flags%8==MediaCodec.BUFFER_FLAG_KEY_FRAME)
        //关键帧比普通帧是多了个帧头的，保存了编码的信息
        byte[] keyframe = new byte[temp.length + mHeadInfo.length];
        System.arraycopy(mHeadInfo, 0, keyframe, 0, mHeadInfo.length);
        System.arraycopy(temp, 0, keyframe, mHeadInfo.length, temp.length);
        Log.e(TAG,"other->"+mInfo.flags);
        //写入文件
        fos.write(keyframe,0,keyframe.length);
    else if(mInfo.flags==MediaCodec.BUFFER_FLAG_END_OF_STREAM)
        //结束的时候应该发送结束信号，在这里处理
    else
        //写入文件
        fos.write(temp,0,temp.length);
    
    mEnc.releaseOutputBuffer(outIndex,false);
    outIndex=mEnc.dequeueOutputBuffer(mInfo,0);


//数据的来源，GL处理好后，readpix出来的RGBA数据喂进来，
public void feedData(final byte[] data, final long timeStep)
    hasNewData=true;
    nowFeedData=data;
    nowTimeStep=timeStep;


//RGBA转YUV的方法，这是最简单粗暴的方式，在使用的时候，一般不会选择在Java层，用这种方式做转换
private void rgbaToYuv(byte[] rgba,int width,int height,byte[] yuv)
    final int frameSize = width * height;

    int yIndex = 0;
    int uIndex = frameSize;
    int vIndex = frameSize + frameSize/4;

    int R, G, B, Y, U, V;
    int index = 0;
    for (int j = 0; j < height; j++) 
        for (int i = 0; i < width; i++) 
            index = j * width + i;
            if(rgba[index*4]>127||rgba[index*4]<-128)
                Log.e("color","-->"+rgba[index*4]);
            
            R = rgba[index*4]&0xFF;
            G = rgba[index*4+1]&0xFF;
            B = rgba[index*4+2]&0xFF;

            Y = ((66 * R + 129 * G + 25 * B + 128) >> 8) + 16;
            U = ((-38 * R - 74 * G + 112 * B + 128) >> 8) + 128;
            V = ((112 * R - 94 * G - 18 * B + 128) >> 8) + 128;

            yuv[yIndex++] = (byte) ((Y < 0) ? 0 : ((Y > 255) ? 255 : Y));
            if (j % 2 == 0 && index % 2 == 0) 
                yuv[uIndex++] = (byte) ((U < 0) ? 0 : ((U > 255) ? 255 : U));
                yuv[vIndex++] = (byte) ((V < 0) ? 0 : ((V > 255) ? 255 : V));
            
        
    

对于其他格式的音频视频编解码也大同小异了，只要MediaCodec支持就好。

MediaMuxer（音视频混合API）

MediaMuxer的使用很简单，在Android Developer官网上MediaMuxer的API说明中，也有其简单的使用示例代码：

MediaMuxer muxer = new MediaMuxer("temp.mp4", OutputFormat.MUXER_OUTPUT_MPEG_4);
// More often, the MediaFormat will be retrieved from MediaCodec.getOutputFormat()
// or MediaExtractor.getTrackFormat().
MediaFormat audioFormat = new MediaFormat(...);
MediaFormat videoFormat = new MediaFormat(...);
int audioTrackIndex = muxer.addTrack(audioFormat);
int videoTrackIndex = muxer.addTrack(videoFormat);
ByteBuffer inputBuffer = ByteBuffer.allocate(bufferSize);
boolean finished = false;
BufferInfo bufferInfo = new BufferInfo();

muxer.start();
while(!finished) 
  // getInputBuffer() will fill the inputBuffer with one frame of encoded
  // sample from either MediaCodec or MediaExtractor, set isAudioSample to
  // true when the sample is audio data, set up all the fields of bufferInfo,
  // and return true if there are no more samples.
  finished = getInputBuffer(inputBuffer, isAudioSample, bufferInfo);
  if (!finished) 
    int currentTrackIndex = isAudioSample ? audioTrackIndex : videoTrackIndex;
    muxer.writeSampleData(currentTrackIndex, inputBuffer, bufferInfo);
  
;
muxer.stop();
muxer.release();

参照官方的说明和代码示例，我们可以知道，音视频混合（也可以音频和音频混合），只需要将编码器的MediaFormat加入到MediaMuxer中，得到一个音轨视频轨的索引，然后每次从编码器中取出来的ByteBuffer，写入（writeSampleData）到编码器所在的轨道中就ok了。
这里需要注意的是，一定要等编码器设置编码格式完成后，再将它加入到混合器中，编码器编码格式设置完成的标志是dequeueOutputBuffer得到返回值为MediaCodec.INFO_OUTPUT_FORMAT_CHANGED。

音视频录制MP4文件

上面已经给出了音频录制的代码和视频录制的代码，利用MediaMuxer将其结合起来，就可以和简单的完成录制有声音有图像的MP4文件的功能了。音频录制和视频录制的基本流程保持不变，在录制编码后，不再将编码的结果写入到文件流中，而是写入为混合器的sample data。以视频为例，更改循环编码的代码为：

//流程一直，无需更改
int index=mVideoEnc.dequeueInputBuffer(-1);
if(index>=0)
    if(hasNewData)
        if(yuv==null)
            yuv=new byte[width*height*3/2];
        
        rgbaToYuv(data,width,height,yuv);
    
    ByteBuffer buffer=getInputBuffer(mVideoEnc,index);
    buffer.clear();
    buffer.put(yuv);
    //结束时，发送结束标志，在编码完成后结束
    mVideoEnc.queueInputBuffer(index,0,yuv.length,
        mStartFlag?0:MediaCodec.BUFFER_FLAG_END_OF_STREAM);

MediaCodec.BufferInfo mInfo=new MediaCodec.BufferInfo();
int outIndex=mVideoEnc.dequeueOutputBuffer(mInfo,0);
do 
    if(outIndex>=0)
        ByteBuffer outBuf=getOutputBuffer(mVideoEnc,outIndex);
        //里面不在是写入到文件，而是写入为混合器的sample data
        if(mTrackCount==3&&mInfo.size>0)
            mMuxer.writeSampleData(mVideoTrack,outBuf,mInfo);
        
        mVideoEnc.releaseOutputBuffer(outIndex,false);
        outIndex=mVideoEnc.dequeueOutputBuffer(mInfo,0);
        Log.e("wuwang","outIndex-->"+outIndex);
        //编码结束的标志
        if((mInfo.flags&MediaCodec.BUFFER_FLAG_END_OF_STREAM)!=0)
            return true;
        
    else if(outIndex==MediaCodec.INFO_OUTPUT_FORMAT_CHANGED)
       //按照MediaMuxer中所说，加入轨道的时机在这里
        mVideoTrack=mMuxer.addTrack(mVideoEnc.getOutputFormat());
        Log.e("wuwang","video track-->"+mVideoTrack);
        mTrackCount++;
        //一定要音轨视频轨都加入后，再开始混合
        if(mTrackCount==2)
            mMuxer.start();
            mTrackCount=3;
        
    
while (outIndex>=0);

当然是用MediaMuxer前，肯定是需要创建一个MediaMuxer的实例的：

mMuxer=new MediaMuxer(path+"."+postfix, MediaMuxer.OutputFormat.MUXER_OUTPUT_MPEG_4);

音频的操作和视频一样更改，将音频编码也加入MeidaMuxer的轨道中，得到一个轨道索引，将编码后的数据加入为MediaMuxer当前音轨的sample data。音轨和上面的视轨各自做各自的，结束录制时，都发送结束标志，然后在编码结束后，停止混合器就可以得到一个固定码率的MP4文件了。

总结

至此，本篇博客就结束了。但是在实际使用MediaCodec和MediaMuxer的过程中，总会遇到这样或者那样的问题，硬编硬解，和硬件相关比较紧密，Android虽然提供了一个很好的API，但是各个厂商在实现的过程中，总是会做些让自己变得独特的事情。当然他们的目的并不是为了独特，有的是为了让产品变得更优秀（虽然最后可能会做砸了），有的是为了省钱，用软件去弥补硬件的缺陷，最后的结果就是苦了做上层开发的码农们。
从博主在使用MediaCodec和MediaMuxer的过程中遇到的问题，总结下需要注意主要有以下几点：

1. MediaCodec是Android4.1新增API，MediaMuxer是Android4.3新增API。
2. 颜色空间。按照Android本身的意思，COLOR_FormatYUV420Planar应该是所有硬件平台都支持的。但是实际上并不是这样。所以在设置颜色空间时，应该获取硬件平台所支持的颜色空间，确保它是支持你打算使用的颜色空间，不支持的话应该启用备用方案（使用其他当前硬件支持的颜色空间）。
3. 视频尺寸，在一些手机上，视频录制的尺寸可以是任意的。但是有些手机，不支持的尺寸设置会导致录制的视频现错乱。博主在使用Oppo R7测试，360*640的视频，单独录制视频没问题，音视频混合后，出现了颜色错乱的情况，而在360F4手机上，却都是没问题的。将视频宽高都设置为16的倍数，可以解决这个问题。
4. 编码器格式设置，诸如音频编码的采样率、比特率等，取值也需要结合硬件平台来设置，否则也会导致崩溃或其他问题。这个其实和颜色空间的选择一样。
5. 网上看到许多queueInputBuffer中设置presentationTimeUs为System.nanoTime()/1000，这样做会导致编码出来的音视频，在播放时，总时长显示的是错误的。应该记录开始时候的nanoTime，然后设置presentationTimeUs为(System.nanoTime()-nanoTime)/1000。
6. 录制结束时，应该发送结束标志MediaCodec.BUFFER_FLAG_END_OF_STREAM，在编码后区获得这个标志时再终止循环，而不是直接终止循环。

应该还有其他需要注意的问题。我暂时还没遇到。

源码

源码在github中codec module下，有需要的小伙伴fork或者download。后续Android音视频开发相关的Demo也会上传到这个项目下。

---

欢迎转载，转载请保留文章出处。湖广午王的博客[http://blog.csdn.net/junzia/article/details/54018671]

---