ffmpeg数据结构解释

ffmpeg数据结构解释

创建时间：2013-5-13 14:09|修改时间：2013-5-20 11:20|作者：|来源：http://www.5ishare.com/snews/353990.shtml

 

 

FFMPEG组成组件

• ffmpeg 是一个命令行工具，用来对视频文件转换格式，也支持对电视卡实时编码
• ffserver 是一个 HTTP 多媒体实时广播流服务器，支持时光平移
• ffplay 是一个简单的播放器，基于 SDL 与 FFmpeg 库
• libavcodec 包含了全部 FFmpeg 音频／视频 编解码库
• libavdevice  对输出输入设备的支持； 包含多媒体输入/输出软件框架中抓取和呈现的输入输出设备，包含video4linux，video4linux2,vfw和ALSA的库。
• libavfilter   提供了通用的视频音频滤镜框架
• libavformat  包含 demuxers 和 muxer 库；提供对音频、视频、字幕流的分解和合并；
• libavutil 包含一些工具库
• libpostproc 对于视频做前处理的库
• libswscale 对于图像作缩放的库
• libavresampler  为libswresample库中的音频重采样功能提供更高层次的接口。
• libswresample 对音频重采样、音频格式转换、 Rematrixing；
• libswscale : 视频场景比例缩放、色彩映射转换；

注：包含ffmpeg头文件时必须加上extern "C" 修饰，否则编译时会报外部符号未找到错误：

Error 1 error LNK2001: unresolved external symbol "void __cdecl avcodec_register_all(void)" (?avcodec_register_all@@YAXXZ)ffmpeg_test.obj ffmpeg_test

正确的头文件包含方式：

extern "C" {

    #include "libavcodec/avcodec.h"

}

FFMPEG解码流程：

  1. 注册所有容器格式和CODEC: av_register_all()

  2. 打开文件:                   av_open_input_file()

  3. 从文件中提取流信息:         av_find_stream_info()

  4. 穷举所有的流，查找其中种类为CODEC_TYPE_VIDEO

  5. 查找对应的解码器:           avcodec_find_decoder()

  6. 打开编解码器:               avcodec_open()

  7. 为解码帧分配内存:           avcodec_alloc_frame()

  8. 不停地从码流中提取出帧数据: av_read_frame()

  9. 判断帧的类型，对于视频帧调用:avcodec_decode_video()

  10.解码完后，释放解码器:      avcodec_close()

  11.关闭输入文件:               avformat_close_input_file()

基本概念:

编解码器、数据帧、媒体流和容器是数字媒体处理系统的四个基本概念。

首先需要统一术语：

• 容器／文件（Conainer/File）：即特定格式的多媒体文件。
• 媒体流（Stream）：指时间轴上的一段连续数据，如一段声音数据，一段视频数据或一段字幕数据，可以是压缩的，也可以是非压缩的，压缩的数据需要关联特定的编解码器。
•  数据帧／数据包（Frame/Packet）：通常，一个媒体流由大量的数据帧组成，对于压缩数据，帧对应着编解码器的最小处理单元。通常，分属于不同媒体流的数据帧交错复用于容器之中，参见交错。
•  编解码器：编解码器以帧为单位实现压缩数据和原始数据之间的相互转换。

在FFMPEG中，使用AVFormatContext、AVStream、AVCodecContext、AVCodec及AVPacket等结构来抽象这些基本要素，

主要数据结构

AVCodecContext

这是一个描述编解码器上下文的数据结构，包含了众多编解码器需要的参数信息；

如果是单纯使用libavcodec，这部分信息需要调用者进行初始化；如果是使用整个FFMPEG库，这部分信息在调用 av_open_input_file和av_find_stream_info的过程中根据文件的头信息及媒体流内的头部信息完成初始化。其中几个主要域的释义如下：

• extradata/extradata_size： 这个buffer中存放了解码器可能会用到的额外信息，在av_read_frame中填充。一般来说，首先，某种具体格式的demuxer在读取格式头 信息的时候会填充extradata，其次，如果demuxer没有做这个事情，比如可能在头部压根儿就没有相关的编解码信息，则相应的parser会继 续从已经解复用出来的媒体流中继续寻找。在没有找到任何额外信息的情况下，这个buffer指针为空。
• time_base：
• width/height：视频的宽和高。
• sample_rate/channels：音频的采样率和信道数目。
• sample_fmt： 音频的原始采样格式。
• codec_name/codec_type/codec_id/codec_tag：编解码器的信息。

AVStream

该结构体描述一个媒体流

主要域的释义如下，其中大部分域的值可以由av_open_input_file根据文件头的信息确定，缺少的信息需要通过调用av_find_stream_info读帧及软解码进一步获取：

• index/id：index对应流的索引，这个数字是自动生成的，根据index可以从AVFormatContext::streams表中索引到该流；而id则是流的标识，依赖于具体的容器格式。比如对于MPEG TS格式，id就是pid。
• time_base：流的时间基准，是一个实数，该流中媒体数据的pts和dts都将以这个时间基准为粒度。通常，使用av_rescale/av_rescale_q可以实现不同时间基准的转换。
• start_time：流的起始时间，以流的时间基准为单位，通常是该流中第一个帧的pts。
• duration：流的总时间，以流的时间基准为单位。
• need_parsing：对该流parsing过程的控制域。
• nb_frames：流内的帧数目。
• r_frame_rate/framerate/avg_frame_rate：帧率相关。
• codec：指向该流对应的AVCodecContext结构，调用av_open_input_file时生成。
• parser：指向该流对应的AVCodecParserContext结构，调用av_find_stream_info时生成。

AVFormatContext

这个结构体描述了一个媒体文件或媒体流的构成和基本信息；

这是FFMpeg中最为基本的一个结构，是其他所有结构的根，是一个多媒体文件或流的根本抽象。其中:

• nb_streams和streams所表示的AVStream结构指针数组包含了所有内嵌媒体流的描述；
• iformat和oformat指向对应的demuxer和muxer指针；
• pb则指向一个控制底层数据读写的ByteIOContext结构。
• start_time和duration是从streams数组的各个AVStream中推断出的多媒体文件的起始时间和长度，以微妙为单位。

通常，这个结构由av_open_input_file在内部创建并以缺省值初始化部分成员。但是，如果调用者希望自己创建该结构，则需要显式为该结构的一些成员置缺省值——如果没有缺省值的话，会导致之后的动作产生异常。以下成员需要被关注：

• probesize
• mux_rate
• packet_size
• flags
• max_analyze_duration
• key
• max_index_size
• max_picture_buffer
• max_delay

 

AVPacket

AVPacket定义在avcodec.h中，FFMPEG使用AVPacket来暂存解复用之后、解码之前的媒体数据（一个音/视频帧、一个字幕包等）及附加信息（解码时间戳、显示时间戳、时长等）。其中：

• dts表示解码时间戳，pts表示显示时间戳，它们的单位是所属媒体流的时间基准。
• stream_index给出所属媒体流的索引；
• data为数据缓冲区指针，size为长度；
• duration为数据的时长，也是以所属媒体流的时间基准为单位；
• pos表示该数据在媒体流中的字节偏移量；
• destruct为用于释放数据缓冲区的函数指针；
• flags为标志域，其中，最低为置1表示该数据是一个关键帧。

    AVPacket 结构本身只是个容器，它使用data成员指向实际的数据缓冲区，这个缓冲区可以通过av_new_packet创建，可以通过av_dup_packet 拷贝，也可以由FFMPEG的API产生（如av_read_frame），使用之后需要通过调用av_free_packet释放。 av_free_packet调用的是结构体本身的destruct函数，它的值有两种情况：

1. av_destruct_packet_nofree或 0；
2. av_destruct_packet，

    其中，前者仅仅是将data和size的值清0而已，后者才会真正地释放缓冲区。FFMPEG内部使用 AVPacket结构建立缓冲区装载数据，同时提供destruct函数，如果FFMPEG打算自己维护缓冲区，则将destruct设为 av_destruct_packet_nofree，用户调用av_free_packet清理缓冲区时并不能够将其释放；如果FFMPEG不会再使用 该缓冲区，则将destruct设为av_destruct_packet，表示它能够被释放。对于缓冲区不能够被释放的AVPackt，用户在使用之前 最好调用av_dup_packet进行缓冲区的克隆，将其转化为缓冲区能够被释放的AVPacket，以免对缓冲区的不当占用造成异常错误。而 av_dup_packet会为destruct指针为av_destruct_packet_nofree的AVPacket新建一个缓冲区，然后将原 缓冲区的数据拷贝至新缓冲区，置data的值为新缓冲区的地址，同时设destruct指针为av_destruct_packet。

• 时间信息

    时间信息用于实现多媒体同步。

    同步的目的在于展示多媒体信息时，能够保持媒体对象之间固有的时间关系。同步有两类，一类是流内同步，其主要任务是保证单个媒体流内的时间关系，以满足感知要求，如按照规定的帧率播放一段视频；另一类是流间同步，主要任务是保证不同媒体流之间的时间关系，如音频和视频之间的关系（lipsync）。

    对于固定速率的媒体，如固定帧率的视频或固定比特率的音频，可以将时间信息（帧率或比特率）置于文件首部（header），如AVI的hdrl List、MP4的moov box，还有一种相对复杂的方案是将时间信息嵌入媒体流的内部，如MPEG TS和Real video，这种方案可以处理变速率的媒体，亦可有效避免同步过程中的时间漂移。

    FFMPEG会为每一个数据包打上时间标 签，以更有效地支持上层应用的同步机制。时间标签有两种，一种是DTS，称为解码时间标签，另一种是PTS，称为显示时间标签。对于声音来说 ，这两个时间标签是相同的，但对于某些视频编码格式，由于采用了双向预测技术，会造成DTS和PTS的不一致。

• 时间信息的获取：

    通过调用av_find_stream_info，多媒体应用可以从AVFormatContext对象中拿到媒体文件的时间信息：主要是总时间长度和开始时间，此外还有与时间信息相关的比特率和文件大小。其中时间信息的单位是AV_TIME_BASE：微秒。

AVCodecParser

用来对不同视频编码标准，分析出一个完整的一帧，如

AVCodecParser ff_h264_parser = {

{ CODEC_ID_H264 },

sizeof(H264Context),

init,

h264_parse,

close,

h264_split,

};

h.264的parser

4)h.264 decoder

AVCodec ff_h264_decoder = {
    "h264",
    AVMEDIA_TYPE_VIDEO,
    CODEC_ID_H264,
    sizeof(H264Context),
    ff_h264_decode_init,
    NULL,
    ff_h264_decode_end,
    decode_frame,
    /*CODEC_CAP_DRAW_HORIZ_BAND |*/ CODEC_CAP_DR1 | CODEC_CAP_DELAY |
        CODEC_CAP_FRAME_THREADS |
        CODEC_CAP_SLICE_THREADS,
    .flush= flush_dpb,
    .long_name = NULL_IF_CONFIG_SMALL("H.264 / AVC / MPEG-4 AVC / MPEG-4 part 10"),
    .init_thread_copy      = ONLY_IF_THREADS_ENABLED(decode_init_thread_copy),
    .update_thread_context = ONLY_IF_THREADS_ENABLED(decode_update_thread_context),
    .profiles = NULL_IF_CONFIG_SMALL(profiles),
};