第三章 FFmpeg的介绍与使用

Posted 2023-04-16

参考技术A

FFmpeg名称中的mpeg来自视频编码标准MPEG，而前缀FF是Fast Forward的首字母缩写。

目录

默认的编译会生成 4 个可执行文件和 8 个静态库。可执行文件包括用于 转码 、 推流 、Dump媒体文件的 ffmpeg 、用于播放媒体文件的 ffplay 、 用于获取媒体文件信息的 ffprobe ，以及作为简单流媒体服务器的 ffserver 。

8个静态库其实就是FFmpeg的8个模块，具体包括如下内容。

比如AAC编码，常见的有两种封装格式

AAC 的 bit stream filter 常常应用在 编码 的过程中。

与音频的AAC编码格式相对应的是视频中的 H264编码 ，它也有两种封装格式

FFmpeg中也提供了对应的 bit stream filter ，称 H264_mp4toannexb ，可以将MP4封装格式的H264数据包转换为annexb封装格式的H264数据 (其实就是裸的H264的数据)包。

H264 的 bit stream filter 常常应用于视频解码过程中。

ffmpeg 是进行媒体文件转码的命令行工具
ffprobe 是用于查看媒体 文件头信息的工具
ffplay 则是用于播放媒体文件的工具

1.首先用ffprobe查看一个音频的文件

2.输出格式信息format_name、时间长度duration、文件 大小size、比特率bit_rate、流的数目nb_streams等。

3.以JSON格式的形式输出具体每一个流 最详细 的信息

4.显示帧信息的命令如下:

5.查看包信息的命令如下:

ffplay是以FFmpeg框架为基础，外加渲染音视频 的库libSDL来构建的媒体文件播放器。

业界内开源的 ijkPlayer 其实就是基于 ffplay 进行改造的播放器，当然其做了硬件解码以及很多兼容性的工作。

在 ffplay中音画同步的实现方式其实有三种。分别是

并且在 ffplay 中默认的对齐方式也是以 音频 为基准进行对齐的。

首先要声明的是，播放器接收到的视频帧或者音频帧，内部都会有 时间戳(PTS时钟) 来标识它实际应该在什么时刻进行展示。

实际的对齐策略如下:比较视频当前的播放时间和音频当前的播放时间

关键就在于音视频时间的比较以及延迟的计算，当然在比较的过程中会设 置一个 阈值(Threshold) ，若超过预设的阈值就应该做调整(丢帧渲染 或者重复渲染)，这就是整个对齐策略。

ffmpeg 就是强大的媒体文件转换工具。它可以转换任何格式的媒体文件，并且还可以用自己的 AudioFilter 以及 VideoFilter 进行处理和编辑。

接下来介绍一个解码的实例，该实例实现的功能非常单一，就是把一个视频文件解码成单独的音频PCM文件和视频YUV文件。

AVFormatContext是API层直接接触到的结构体，它会进行格式的封 装与解封装。

该结构体包含的就是与实际的 编解码 有关的部分。

3.3.1 av_register_all
所以该函数的内部实现会先调用 avcodec_register_all 来注册所有config.h里面开放的编解码器，然后会注册所有的 Muxer 和 Demuxer (也就是封装格式)，最后注册所有的 Protocol (即协议层的东西)。

3.3.2 av_find_codec
这里面其实包含了两部分的内容:一部分是寻找 解码器 ，一部分是寻找 编码器 。

3.3.3 avcodec_open2
该函数是打开编解码器(Codec)的函数，无论是编码过程还是解码过程，都会用到该函数。

avformat_open_input
根据所提供的文件路径判断文件的格 式，其实就是通过这一步来决定使用的到底是哪一个 Demuxer 。

avformat_find_stream_info
该方法的作用就是把所有 Stream 的 MetaData 信息填充好。

av_read_frame
使用该方法读取出来的数据是 AVPacket 。

对于 音频流 ，一个 AVPacket 可能包含 多 个 AVFrame ，但是对于 视频流 ，一个 AVPacket 只包含 一 个 AVFrame ，该函数最终只会返回一个 AVPacket 结构体。

avcodec_decode
该方法包含了两部分内容:一部分是 解码视频 ，一部分是 解码音频 ， 解码 是会委托给对应的解码器来实施的。

avformat_close_input
该函数负责释放对应的资源。

avformat_alloc_output_context2
该函数内部需要调用方法avformat_alloc_context来分配一个 AVFormatContext 结构体。

avio_open2
编码的阶段了，开发者需要将手动封装好的 AVFrame 结构体，作为 avcodec_encode_video 方法的输入，将其编码成为 AVPacket ，然后调用 av_write_frame 方法输出到媒体文件中。

本文参考 音视频开发进阶指南

项目源码地址 - FFmpegDecoder

FFmpeg的帧

之前小程介绍了FFmpeg的一些应用，并没有涉及到FFmpeg本身的结构或流程，都只是把FFmpeg当作一个黑盒子来使用。

就“能用即可”的角度，能把FFmpeg这个黑盒子用好，就已经是很好的成绩了。

但追求理解甚至完善FFmpeg的读者，应该会关心FFmpeg本身的结构与处理流程。

于是，小程准备用几篇文章来介绍FFmpeg的结构与流程。

在介绍过程中，小程尽量引用具体的数值，让读者对结构有个直观的感知。为了拿到具体的数据，需要调试FFmpeg的代码，这部分的内容（包括gdb的使用）小程已经在前面的章节介绍过了，读者可以关注“广州小程”微信公众号，并找到相应的菜单进行查阅。

本文介绍FFmpeg的帧的结构。

FFmpeg的“帧”涉及到两个结构，即AVPacket，以及AVFrame。

（一）AVPacket

AVPacket，是压缩数据的结构体，也就是解码前或编码后的数据的载体。

为了查看AVPacket结构体的变量的值，小程写了一段调用FFmpeg的代码：

#include "libavcodec/avcodec.h"
#include "libavformat/avformat.h"

void show_frame(const char* filepath) {
    av_register_all();
    av_log_set_level(AV_LOG_DEBUG);
    AVFormatContext* formatContext = avformat_alloc_context();
    int status = 0;
    int success = 0;
    int videostreamidx = -1;
    AVCodecContext* codecContext = NULL;
    status = avformat_open_input(&formatContext, filepath, NULL, NULL);
    if (status == 0) {
        status = avformat_find_stream_info(formatContext, NULL);
        if (status >= 0) {
            for (int i = 0; i < formatContext->nb_streams; i ++) {
                if (formatContext->streams[i]->codec->codec_type == AVMEDIA_TYPE_VIDEO) {
                    videostreamidx = i;
                    break;
                }
            }
            if (videostreamidx > -1) {
                AVStream* avstream = formatContext->streams[videostreamidx];
                codecContext = avstream->codec;
                AVCodec* codec = avcodec_find_decoder(codecContext->codec_id);
                if (codec) {
                    status = avcodec_open2(codecContext, codec, NULL);
                    if (status == 0) {
                        success = 1;
                    }
                }
            }
        }
        else {
            av_log(NULL, AV_LOG_DEBUG, "avformat_find_stream_info error\n");
        }

        if (success) {
            av_dump_format(formatContext, 0, filepath, 0);
            int gotframe = 0;
            AVFrame* frame = av_frame_alloc();
            int decodelen = 0;
            int limitcount = 10;
            int pcindex = 0;
            while (pcindex < limitcount) {
                AVPacket packet;
                av_init_packet( &packet );
                status = av_read_frame(formatContext, &packet);
                if (status < 0) {
                    if (status == AVERROR_EOF) {
                        av_log(NULL, AV_LOG_DEBUG, "read end for file\n");
                    }
                    else {
                        av_log(NULL, AV_LOG_DEBUG, "av_read_frame error\n");
                    }
                    av_packet_unref(&packet);
                    break;  
                }
                else {
                    if (packet.stream_index == videostreamidx) {
                        decodelen = avcodec_decode_video2(codecContext, frame, &gotframe, &packet);
                        if (decodelen > 0 && gotframe) {
                            av_log(NULL, AV_LOG_DEBUG, "got one avframe, pcindex=%d\n", pcindex);
                        }   
                    }
                } 
                av_packet_unref(&packet);
                pcindex ++;
            }
            av_frame_free(&frame);
        }
        avformat_close_input(&formatContext);
    }
    avformat_free_context(formatContext);
}

int main(int argc, char *argv[])
{
    show_frame("moments.mp4");
    return 0;
}

从上面的代码可以看到，调用av_read_frame可以取得一个AVPacket，所以在调用这个函数的地方下个断点，看一下AVPacet长什么样子。

小程先说一下怎么编译上面这段代码。小程使用的是mac电脑。

把上面的代码保存成show_frame.c文件，然后写一个makefile编译脚本（保存成makefile文件，与show_frame.c在同一目录），内容如下：

exe=showframe
srcs=show_frame.c
$(exe):$(srcs)
gcc -o $(exe) $(srcs) -Iffmpeg/include/ -Lffmpeg -lffmpeg -liconv -lz -g
clean:
rm -f $(exe) *.o

整个项目的代码目录结构是这样的：

注意，上图的show_avcodec.c要换成show_frame.c，小程沿用了另一个例子的截图，并且没有更改：）。

另外，FFmpeg是事先就编译了的，对于FFmpeg的编译，小程在前面有介绍。

准备好环境好，就可以编译这段代码了：

make

编译代码后，使用gdb启动调试：

gdb showframe
b 38
r

单步调试时，可以看到，在没有调用av_read_frame前，AVPacket中的变量值：

调用av_read_frame后，AVPacket中的变量：

再一次av_read_frame后：

av_read_frame后，AVPacket也可能没有数据：

小程简单介绍下AVPacket中变量的含义。

AVPacket是压缩数据，一个AVPacket，最多包含一帧视频（NALU）数据，但可以包括多帧音频数据。

AVPacket中的变量含义：

pts/dts，显示/解码时间戵，以packet所在的流的time_base为单位。
stream_index，所在流的索引。
data，avpacket拥有的数据。
size，avpacket的数据长度。
duration，avpacket的时长，同样以time_base为单位。

AVPacket结构，在libavcodec/avcodec.h中定义，读者可以详细看下这个头文件的说明。

（二）AVFrame

AVFrame，是原始数据的结构体，也就是解码后或编码前的数据的载体。

可以简单理解为，AVFrame就是原始的音频或视频数据。有了它，可以做一些处理，比如音效或图效处理、特征提取、特征图绘制，等等。

为了看AVFrame的数据，使用调试AVPacket的代码即可，部分代码如截图：

然后在avcodec_decode_video2的调用处下个断点，使用gdb进行单步调试。

可以看到，在解码前，avframe是这样的：

解码后，并且保证有解码到一帧数据时，avframe是这样的：

以下对AVFrame的一些变量作一些解释：

data，指针数组（最多8个指针），每个指针指向不同维度的byte数据，比如对于视频来说，如果是planar的，则data[0]可能指向Y维度的数据，data[1]可能指向U维度的数据。对于音频来说，如果声道是平面组织的（planar），则data[0]指向一个声道，data[1]指向另一个声道...；如果声音是打包形式的（packed，即左右不分开），则只有data[0]。

---

linesize，长度的数组。对于视频，如果是planar数据，则linesize[i]是某个维度的一行的长度；如果是packet数据，则只有linesize[0]，而且表示所有数据的长度。对于音频，只有linesize[0]可用；如果是planar数据，则linesize[0]对应data[i]的长度（每个data[i]是一样的长度）；如果是packed数据，则linesize[0]表示data[0]的长度。对于音频，没有“一行”的概念，linesize[0]表示的是整个长度。对于视频，注意linesize[i]表示一行的长度时，可能比实际的数据的长度（宽）要大。

---

extern_data，对于视频，等同于data。对于音频，经常用于packed数据。

width/height，视频宽高。
nb_samples，一个声道的样本数。
format，视频的颜色空间，或音频的样本格式。
key_frame，是否为关键帧。
pict_type，视频帧的类型（ipb帧等）。
sample_aspect_ratio，宽高比例。
pts，表现时间戵。
pkt_pts，对应的AVPacket的pts。
quality，质量系数。
sample_rate，音频采样率。
channels，声道数。

AVFrame结构，在libavutil/frame.h中定义，读者可以详细阅读里面的说明。

至此，FFmpeg的帧结构就介绍完毕了。

---

总结一下，本文介绍了FFmpeg的帧的结构，包括AVFrame与AVPacket，并且通过调试查看了结构中变量的值的变化。