Android音视频H265硬编解码&视频通话

Posted 2023-02-28 顾修忠

人间观察
我该如何去表达呢

前面介绍了H265的一些知识，本篇实现利用camera采集进行H265硬编码，利用WebSocket来传输H265裸流，接收到H265的码流后进行H265解码渲染到surfaceview上，从而实现简易的视频通话。

主要有：摄像头如何处理，如何拿到摄像头的yuv数据，yuv数据怎么处理，实现android H265硬编码和硬解码，vps,sps,pps怎么处理以及如何在网络上传输。

1 .这里用哪种协议不是本文的重点，本文采用java封装好websocket协议的组件，在真实项目中音视频通话可能不用websocket协议，更多的可能是webrtc。

2.没有涉及到音频的编解码和发送传输，音频会后续出系列介绍

3.本篇也是用kotlin来实现，为什么用kotlin？因为工作中没有用到，我想自己练习下。。。

效果图

实现方案

Camera的YUV数据采集

简单说下camera，本篇拿camera摄像头来进行数据的采集，当然你也可以用camera2来实现，camera2是提供了更丰富的API（但是我想说真难用，拍个照，获取原始yuv数据写几百行代码），然后Google在jetpack中提供了camerax，camerax的api还是比较简单的。各种camera 花两天研究下就会了，现学现用都没啥，我们主要是介绍编解码和yuv数据的处理，这些基本都是不变的，不像上层camera的api一样。

在camera中主要就是打开camera设置预览画面大小和回调的数据格式（默认是NV21格式的yuv数据，NV21格式的数据基本上所有的摄像头都支持，所以Android默认采用这个）。设置预览回调的数据大小，一般为了方便处理设置的就是一帧yuv数据的大小，也就是y+u+v的数据大小=width * height + width * height的1/4 +width * height的1/4=width * height * 3 / 2。

局部代码如下：

    fun startPreview() 
        // 临时用后置摄像头，重点是编解码和数据的传输
        camera = Camera.open(Camera.CameraInfo.CAMERA_FACING_BACK)
        val parameters: Camera.Parameters = camera.parameters
        // 摄像头默认NV21
        Log.e(TAG, "previewFormat:" + parameters.previewFormat)

        setPreviewSize(parameters)
        camera.setParameters(parameters)

        camera.setPreviewDisplay(holder)
        // 由于硬件安装是横着的，如果是后置摄像头&&正常竖屏的情况下需要旋转90度
        // 只是预览旋转了，数据没有旋转
        camera.setDisplayOrientation(90)
        // 让摄像头回调一帧的数据大小
        buffer = ByteArray(width * height * 3 / 2)
        // onPreviewFrame回调的数据大小就是buffer.length
        camera.addCallbackBuffer(buffer)
        camera.setPreviewCallbackWithBuffer(this)
        camera.startPreview()
    

摄像头的预览旋转问题，如果是后置摄像头&&正常竖屏拿着，这时候你会发现预览出来的画面是横着的，所以需要旋转90度。当然前后摄像头和人为的旋转手机本身也需要做对应的旋转才行。

开启预览和设置yuv数据回调后，就会在onPreviewFrame回调中回调出来。

 override fun onPreviewFrame(data: ByteArray?, camera: Camera?) 
 // 摄像头的原始数据yuv
  camera!!.addCallbackBuffer(data)

YUV数据处理

关于YUV的数据的知识可以参考前一篇。

1.因为摄像头出来的是NV21的数据，H265编码器需要的是NV12，所以需要转换下，也就是Y不变UV交换一下。

    fun nv21toNv12(nv21: ByteArray): ByteArray 
        val size = nv21.size
        val nv12 = ByteArray(size)
        val y_len = size * 2 / 3
        // Y
        System.arraycopy(nv21, 0, nv12, 0, y_len)
        var i = y_len
        // nv12和nv21是奇偶交替
        while (i < size - 1) 
            nv12[i] = nv21[i + 1]
            nv12[i + 1] = nv21[i]
            i += 2
        
        return nv12
    

2.上文提到了camera摄像头的预览需要旋转，只是预览画面进行旋转了，yuv的数据并没有旋转，所以yuv数据也需要旋转。

    fun dataTo90(data: ByteArray, output: ByteArray, width: Int, height: Int) 
        val y_len = width * height
        // uv数据高为y数据高的一半
        val uvHeight = height shr 1 // kotlin 的shr 1 就是右移1位 height >> 1
        var k = 0
        for (j in 0 until width) 
            for (i in height - 1 downTo 0) 
                output[k++] = data[width * i + j]
            
        
        // uv
        var j = 0
        while (j < width) 
            for (i in uvHeight - 1 downTo 0) 
                output[k++] = data[y_len + width * i + j]
                output[k++] = data[y_len + width * i + j + 1]
            
            j += 2
        
    

H265硬编码

这个和H264的使用方法一样，唯一的区别就是创建MediaCodec的时候指定是H265编码器。即MediaFormat.MIMETYPE_VIDEO_HEVC（它的值是video/hevc ）

// H265编码器 video/hevc
mediaCodec = MediaCodec.createEncoderByType(MediaFormat.MIMETYPE_VIDEO_HEVC)

具体的编码流程和H264的一样，没啥区别，这里就不多介绍了，可以参考前前面文章H264的编解码的介绍。Android音视频【四】H264硬编码

唯一要特别注意的是指定编码器的参数的时候，视频的宽和高的时候需要对调。因为后置摄像头旋转了90度，yuv数据也旋转了90度，也就是宽和高对调了。

WebSocket通信

WebSocket依赖添加如下

implementation "org.java-websocket:Java-WebSocket:1.4.0"

使用方法很简单，就是API的使用，内部实现感兴趣的可以研究下。

• WebSocketServer端

// 创建WebSocketServer
 private val webSocketServer: WebSocketServer = object :
        WebSocketServer(InetSocketAddress(PORT)) 
                // ...省略其它代码
           
           // 接收数据
                override fun onMessage(conn: WebSocket, message: ByteBuffer) 
            super.onMessage(conn, message)
            if (h265ReceiveListener != null) 
                val buf = ByteArray(message.remaining())
                message[buf]
                Log.d(TAG, "onMessage:" + buf.size)
                h265ReceiveListener?.onReceive(buf)
            
      
        


// 发送数据
    override fun sendData(bytes: ByteArray?) 
        if (webSocket?.isOpen == true) 
            webSocket?.send(bytes)
        
    

// 建立连接
    override fun start() 
        webSocketServer.start()
    

• WebSocketClient端

    private inner class MyWebSocketClient(serverUri: URI) : WebSocketClient(serverUri) 
    // 接收数据
        override fun onMessage(bytes: ByteBuffer) 
            if (h265ReceiveListener != null) 
                val buf = ByteArray(bytes.remaining())
                bytes.get(buf)
                Log.i(TAG, "onMessage:" + buf.size)
                h265ReceiveListener?.onReceive(buf)
            
        
    

发送数据和建立连接

// 发送数据
    override fun sendData(bytes: ByteArray?) 
        if (myWebSocketClient?.isOpen == true) 
            myWebSocketClient?.send(bytes)
        
    

// 建立连接 
   private const val URL = "ws://172.24.92.58:$PORT"
    override fun start() 
        try 
            val url = URI(URL)
            myWebSocketClient = MyWebSocketClient(url)
            myWebSocketClient?.connect()
         catch (e: Exception) 
            e.printStackTrace()
        
        

这里就不多介绍了，都是API的使用，很简单。

private const val URL = “ws://172.24.92.58:$PORT” 是另一台手机的ip地址 ，如果跑demo的话，自己改一下哦

H265硬解码

这个和H264的使用方法一样，这里就不多介绍了，可以参考前前面文章H264的编解码的介绍。唯一的区别就是创建MediaCodec的时候指定是H265解码器。

  // H265解码器
 mediaCodec = MediaCodec.createDecoderByType(MediaFormat.MIMETYPE_VIDEO_HEVC)

怎么渲染到surface呢，在创建完解码器后进行配置阶段指定即可。

// 渲染到surface上
mediaCodec?.configure(mediaFormat, surface, null, 0)
mediaCodec?.start()

然后在解码完数据的时候，指定是否将h265解码后的数据渲染到configure配置阶段的surface上，true渲染，falsse不渲染。

// true渲染到surface上
 mediaCodec!!.releaseOutputBuffer(outputBufferIndex, true)

VPS,SPS,PPS网络传输

Android中的硬编码器MediaCodec首帧编码出来的是SPS,PPS等数据，在H265数据流中多了 VPS。随后编码出来的是I帧，P帧，B帧后续也不会回调出来VPS,SPS,PPS等数据了。我们想一个问题就是：在网络传输怎么处理VPS,SPS,PPS呢?，其实不止这个例子，所有的网络发送H264/H265数据的时候都需要处理这个问题。

VPS（视频参数集），SPS(序列参数集)，PPS(图像参数集)

1. 是 VPS 、SPS、PPS 包含了在解码端（播放端）所用需要的profile，level，图像的宽和高。
2. 发送端（直播端/主播）已经直播一小时了，有的用户播放端（用户端）才进入直播间，如果后续没有了VPS 、SPS、PPS那么解码怎么解码怎么渲染呢？对吧。

所以处理方法就是：缓存VPS,SPS,PPS的数据，然后在发送每个关键帧（I帧）前先发送VPS、SPS、PPS的数据即可。这样后续进来的用户等下一个关键帧（I帧）就会立刻看到画面了。

关键代码如下：

    private fun dealFrame(byteBuffer: ByteBuffer) 
        // H265的nalu的分割符的下一个字节的类型
        var offset = 4
        if (byteBuffer[2].toInt() == 0x1) 
            offset = 3
        
        // VPS,SPS,PPS...  H265的nalu头是2个字节，中间的6位bit是nalu类型

        // 0x7E的二进制的后8位是 0111  1110
        // java版本
        // int naluType = (byteBuffer.get(offset) & 0x7E) >> 1;
        val naluType = byteBuffer[offset].and(0x7E).toInt().shr(1)
        // 保存下VPS,SPS,PPS的数据
        if (NAL_VPS == naluType) 
            vps_sps_pps_buf = ByteArray(info.size)
            byteBuffer.get(vps_sps_pps_buf!!)
         else if (NAL_I == naluType) 
            // 因为是网络传输，所以在每个i帧之前先发送VPS,SPS,PPS
            val bytes = ByteArray(info.size)
            byteBuffer.get(bytes)
            val newBuf = ByteArray(info.size + vps_sps_pps_buf!!.size)
            System.arraycopy(vps_sps_pps_buf!!, 0, newBuf, 0, vps_sps_pps_buf!!.size)
            System.arraycopy(bytes, 0, newBuf, vps_sps_pps_buf!!.size, bytes.size)

            // 发送
            h265DecodeListener?.onDecode(bytes)
         else 
            // 其它bp帧数据
            val bytes = ByteArray(info.size)
            byteBuffer.get(bytes)

            // 发送
            h265DecodeListener?.onDecode(bytes)
        
    

源码

https://github.com/ta893115871/H265WithCameraWebSocket