FFmpeg的帧

Posted 2020-10-30

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。