學習FFmpeg API

學習FFmpeg API – 解碼視頻

 

ffmpeg是編解碼的利器，用了很久，以前看過dranger 的教程，非常精彩，受益頗多，是學習ffmpeg api很好的材料。可惜的是其針對的ffmpeg版本已經比較老了，而ffmpeg的更新又很快，有些API已經完全換掉了，導致dranger教程中的 代碼已經無法編譯，正好最近需要使用ffmpeg，於是就利用dranger的教程和代碼，自己邊學邊記錄，於是也就有了這個所謂的 New FFmpeg Tutorial，希望對學習ffmpeg的人有所幫助。

Tutorial 1: Decoding video frames

source code：videoframe.c

視頻播放過程

首先簡單介紹以下視頻文件的相關知識。我們平時看到的視頻文件有許多格式，比如 avi， mkv， rmvb， mov， mp4等等，這些被稱爲容器（Container）， 不同的容器格式規定了其中音視頻數據的組織方式（也包括其他數據，比如字幕等）。容器中一般會封裝有視頻和音頻軌，也稱爲視頻流（stream）和音頻 流，播放視頻文件的第一步就是根據視頻文件的格式，解析（demux）出其中封裝的視頻流、音頻流以及字幕（如果有的話），解析的數據讀到包 （packet）中，每個包裏保存的是視頻幀（frame）或音頻幀，然後分別對視頻幀和音頻幀調用相應的解碼器（decoder）進行解碼，比如使用 H.264編碼的視頻和MP3編碼的音頻，會相應的調用H.264解碼器和MP3解碼器，解碼之後得到的就是原始的圖像(YUV or RGB)和聲音(PCM)數據，然後根據同步好的時間將圖像顯示到屏幕上，將聲音輸出到聲卡，最終就是我們看到的視頻。

FFmpeg的API就是根據這個過程設計的，因此使用FFmpeg來處理視頻文件的方法非常直觀簡單。下面就一步一步介紹從視頻文件中解碼出圖片的過程。

聲明變量

首先定義整個過程中需要使用到的變量：

view source

print?

01	int main(int argc, const char *argv[])

02

{

03	AVFormatContext *pFormatCtx = NULL;

04	int             i, videoStream;

05	AVCodecContext  *pCodecCtx;

06	AVCodec         *pCodec;

07	AVFrame         *pFrame;

08	AVFrame         *pFrameRGB;

09	AVPacket        packet;

10	int             frameFinished;

11	int             numBytes;

12	uint8_t         *buffer;

• AVFormatContext：保存需要讀入的文件的格式信息，比如流的個數以及流數據等
• AVCodecCotext：保存了相應流的詳細編碼信息，比如視頻的寬、高，編碼類型等。
• pCodec：真正的編解碼器，其中有編解碼需要調用的函數
• AVFrame：用於保存數據幀的數據結構，這裏的兩個幀分別是保存顏色轉換前後的兩幀圖像
• AVPacket：解析文件時會將音/視頻幀讀入到packet中

打開文件

接下來我們打開一個視頻文件。

view source

print?

1	av_register_all();

av_register_all 定義在 libavformat 裏，調用它用以註冊所有支持的文件格式以及編解碼器，從其實現代碼裏可以看到它會調用 avcodec_register_all，因此之後就可以用所有ffmpeg支持的codec了。

view source

print?

1	if( avformat_open_input(&pFormatCtx, argv[1], NULL, NULL) != 0 )

2	return -1;

使用新的API avformat_open_input來打開一個文件，第一個參數是一個AVFormatContext指針變量的地址，它會根據打開的文件信息填充AVFormatContext，需要注意的是，此處的pFormatContext必須爲NULL或由avformat_alloc_context分配得到，這也是上一節中將其初始化爲NULL的原因，否則此函數調用會出問題。第二個參數是打開的文件名，通過argv[1]指定，也就是命令行的第一個參數。後兩個參數分別用於指定特定的輸入格式（AVInputFormat）以及指定文件打開額外參數的AVDictionary結構，這裏均留作NULL。

view source

print?

1	if( avformat_find_stream_info(pFormatCtx, NULL ) < 0 )

2	return -1;

3

4	av_dump_format(pFormatCtx, -1, argv[1], 0);

avformat_open_input函數只是讀文件頭，並不會填充流信息，因此我們需要接下來調用avformat_find_stream_info獲取文件中的流信息，此函數會讀取packet，並確定文件中所有的流信息，設置pFormatCtx->streams指向文件中的流，但此函數並不會改變文件指針，讀取的packet會給後面的解碼進行處理。
最後調用一個幫助函數av_dump_format，輸出文件的信息，也就是我們在使用ffmpeg時能看到的文件詳細信息。第二個參數指定輸出哪條流的信息，-1表示給ffmpeg自己選擇。最後一個參數用於指定dump的是不是輸出文件，我們dump的是輸入文件，因此一定要是0。

現在 pFormatCtx->streams 中已經有所有流了，因此現在我們遍歷它找到第一條視頻流:

view source

print?

1	videoStream = -1;

2	for( i = 0; i < pFormatCtx->nb_streams; i++ )

3	if( pFormatCtx->streams[i]->codec->codec_type == AVMEDIA_TYPE_VIDEO) {

4	videoStream = i;

5

break;

6

}

7

8	if( videoStream == -1 )

9	return -1;

codec_type 的宏定義已經由以前的 CODEC_TYPE_VIDEO 改爲 AVMEDIA_TYPE_VIDEO 了。接下來我們通過這條 video stream 的編解碼信息打開相應的解碼器：

view source

print?

1	pCodecCtx = pFormatCtx->streams[videoStream]->codec;

2

3	pCodec = avcodec_find_decoder(pCodecCtx->codec_id);

4	if( pCodec == NULL )

5	return -1;

6

7	if( avcodec_open2(pCodecCtx, pCodec, NULL) < 0 )

8	return -1;

分配圖像緩存

接下來我們準備給即將解碼的圖片分配內存空間。

view source

print?

1	pFrame = avcodec_alloc_frame();

2	if( pFrame == NULL )

3	return -1;

4

5	pFrameRGB = avcodec_alloc_frame();

6	if( pFrameRGB == NULL )

7	return -1;

調用 avcodec_alloc_frame 分配幀，因爲最後我們會將圖像寫成 24-bits RGB 的 PPM 文件，因此這裏需要兩個 AVFrame，pFrame用於存儲解碼後的數據，pFrameRGB用於存儲轉換後的數據:

view source

print?

1	numBytes = avpicture_get_size(PIX_FMT_RGB24, pCodecCtx->width,

2	pCodecCtx->height);

這裏調用 avpicture_get_size，根據 pCodecCtx 中原始圖像的寬高計算 RGB24 格式的圖像需要佔用的空間大小，這是爲了之後給 pFrameRGB 分配空間:

view source

print?

1	buffer = av_malloc(numBytes);

2

3	avpicture_fill( (AVPicture *)pFrameRGB, buffer, PIX_FMT_RGB24,

4	pCodecCtx->width, pCodecCtx->height);

接着上面的，首先是用 av_malloc 分配上面計算大小的內存空間，然後調用 avpicture_fill 將 pFrameRGB 跟 buffer 指向的內存關聯起來。

獲取圖像

OK，一切準備好就可以開始從文件中讀取視頻幀並解碼得到圖像了。

view source

print?

01

i = 0;

02	while( av_read_frame(pFormatCtx, &packet) >= 0 ) {

03	if( packet.stream_index == videoStream ) {

04	avcodec_decode_video2(pCodecCtx, pFrame, &frameFinished, &packet);

05

06	if( frameFinished ) {

07	struct SwsContext *img_convert_ctx = NULL;

08	img_convert_ctx =

09	sws_getCachedContext(img_convert_ctx, pCodecCtx->width,

10	pCodecCtx->height, pCodecCtx->pix_fmt,

11	pCodecCtx->width, pCodecCtx->height,

12	PIX_FMT_RGB24, SWS_BICUBIC,

13	NULL, NULL, NULL);

14	if( !img_convert_ctx ) {

15	fprintf(stderr, "Cannot initialize sws conversion context\n");

16

exit(1);

17

}

18	sws_scale(img_convert_ctx, (const uint8_t* const*)pFrame->data,

19	pFrame->linesize, 0, pCodecCtx->height, pFrameRGB->data,

20	pFrameRGB->linesize);

21	if( i++ < 50 )

22	SaveFrame(pFrameRGB, pCodecCtx->width, pCodecCtx->height, i);

23

}

24

}

25	av_free_packet(&packet);

26

}

av_read_frame 從文件中讀取一個packet，對於視頻來說一個packet裏面包含一幀圖像數據，音頻可能包含多個幀（當音頻幀長度固定時），讀到這一幀後，如果是視頻幀，則使用 avcodec_decode_video2 對packet中的幀進行解碼，有時候解碼器並不能從一個packet中解碼得到一幀圖像數據（比如在需要其他參考幀的情況下），因此會設置 frameFinished，如果已經得到下一幀圖像則設置 frameFinished 非零，否則爲零。所以這裏我們判斷 frameFinished 是否爲零來確定 pFrame 中是否已經得到解碼的圖像。注意在每次處理完後需要調用 av_free_packet 釋放讀取的packet。

解碼得到圖像後，很有可能不是我們想要的 RGB24 格式，因此需要使用 swscale 來做轉換，調用 sws_getCachedContext 得到轉換上下文，使用 sws_scale 將圖形從解碼後的格式轉換爲 RGB24，最後將前50幀寫人 ppm 文件。最後釋放圖像以及關閉文件：

view source

print?

01	av_free(buffer);

02	av_free(pFrameRGB);

03	av_free(pFrame);

04	avcodec_close(pCodecCtx);

05	avformat_close_input(&pFormatCtx);

06

07

return 0;

08

}

09

10	static void SaveFrame(AVFrame *pFrame, int width, int height, int iFrame)

11

{

12	FILE *pFile;

13	char szFilename[32];

14

int y;

15

16	sprintf(szFilename, "frame%d.ppm", iFrame);

17	pFile = fopen(szFilename, "wb");

18	if( !pFile )

19

return;

20	fprintf(pFile, "P6\n%d %d\n255\n", width, height);

21

22	for( y = 0; y < height; y++ )

23	fwrite(pFrame->data[0] + y * pFrame->linesize[0], 1, width * 3, pFile);

24

25	fclose(pFile);

26