ffmpeg视频播放过程

ffmpeg视频播放过程 频播放过程 首先简单介绍以下视频文件的相关知识。我们平时看到的视频文件有许多格式，比如 avi， mkv， rmvb， mov， mp4等等，这些被称为容器(Container)，不同的容器格式规定了其中音视频数据的组织方式(也包括其他数据，比如字幕等)。容器中一般会封装有视频和音频轨，也称为视频流(stream)和音频流，播放视频文件的第一步就是根据视频文件的格式，解析(demux)出其中封装的视频流、音频流以及字幕(如果有的话)，解析的数据读到包(packet)中，每个包里保存的是视频帧(frame)或音频帧，然后分别对视频帧和音频帧调用相应的解码器(decoder)进行解码，比如使用H.264编码的视频和MP3编码的音频，会相应的调用H.264解码器和MP3解码器，解码之后得到的就是原始的图像(YUV or RGB)和声音(PCM)数据，然后根据同步好的时间将图像显示到屏幕上，将声音输出到声卡，最终就是我们看到的视频。 FFmpeg的API就是根据这个过程设计的，因此使用FFmpeg来处理视频文件的方法非常直观简单。下面就一步一步介绍从视频文件中解码出图片的过程。 声明变量 首先定义整个过程中需要使用到的变量: int main(int argc, const char *argv[]) { AVFormatContext *pFormatCtx = NULL; int i, videoStream; AVCodecContext *pCodecCtx; AVCodec *pCodec; AVFrame *pFrame; AVFrame *pFrameRGB; AVPacket packet; int frameFinished; int numBytes; uint8_t *buffer; AVFormatContext:保存需要读入的文件的格式信息，比如流的个数以及流数据等 AVCodecCotext:保存了相应流的详细编码信息，比如视频的宽、高，编码类型等。 pCodec:真正的编解码器，其中有编解码需要调用的函数 AVFrame:用于保存数据帧的数据结构，这里的两个帧分别是保存颜色转换前后的两帧图像 AVPacket:解析文件时会将音/视频帧读入到packet中 打开文件 接下来我们打开一个视频文件。 av_register_all(); av_register_all 定义在 libavformat 里，调用它用以注册所有支持的文件格式以及编解码器，从其实现代码里可以看到它会调用 avcodec_register_all，因此之后就可以用所有ffmpeg支持的codec了。 if( avformat_open_input(&pFormatCtx, argv[1], NULL, NULL) != 0 ) return -1; 使用新的API avformat_open_input来打开一个文件，第一个参数是一个AVFormatContext指针变量的地址，它会根据打开的文件信息填充AVFormatContext，需要注意的是，此处的pFormatContext必须为NULL或由avformat_alloc_context分配得到，这也是上一节中将其初始化为NULL的原因，否则此函数调用会出问题。第二个参数是打开的文件名，通过argv[1]指定，也就是命令行的第一个参数。后两个参数分别用于指定特定的输入格式 (AVInputFormat)以及指定文件打开额外参数的AVDictionary结构，这里均留作NULL。 if( avformat_find_stream_info(pFormatCtx, NULL ) < 0 ) return -1; av_dump_format(pFormatCtx, -1, argv[1], 0); avformat_open_input函数只是读文件头，并不会填充流信息，因此我们需要接下来调用avformat_find_stream_info获取文件中的流信息，此函数会读取packet，并确定文件中所有的流信息，设置pFormatCtx->streams指向文件中的流，但此函数并不会改变文件指针，读取的packet会给后面的解码进行处理。 最后调用一个帮助函数av_dump_format，输出文件的信息，也就是我们在使用ffmpeg时能看到的文件详细信息。第二个参数指定输出哪条流的信息，-1示给ffmpeg自己选择。最后一个参数用于指定dump的是不是输出文件，我们dump的是输入文件，因此一定要是0。 现在 pFormatCtx->streams 中已经有所有流了，因此现在我们遍历它找到第一条视频流: videoStream = -1; for( i = 0; i < pFormatCtx->nb_streams; i++ ) if( pFormatCtx->streams[i]->codec->codec_type == AVMEDIA_TYPE_VIDEO) { videoStream = i; break; } if( videoStream == -1 ) return -1; codec_type 的宏定义已经由以前的 CODEC_TYPE_VIDEO 改为 AVMEDIA_TYPE_VIDEO 了。接下来我们通过这条 video stream 的编解码信息打开相应的 解码器: pCodecCtx = pFormatCtx->streams[videoStream]->codec; pCodec = avcodec_find_decoder(pCodecCtx->codec_id); if( pCodec == NULL ) return -1; if( avcodec_open2(pCodecCtx, pCodec, NULL) < 0 ) return -1; 分配图像缓存 接下来我们准备给即将解码的图片分配内存空间。 pFrame = avcodec_alloc_frame(); if( pFrame == NULL ) return -1; pFrameRGB = avcodec_alloc_frame(); if( pFrameRGB == NULL ) return -1; 调用 avcodec_alloc_frame 分配帧，因为最后我们会将图像写成 24-bits RGB 的 PPM 文 件，因此这里需要两个 AVFrame，pFrame用于存储解码后的数据，pFrameRGB用于存储转 换后的数据。 numBytes = avpicture_get_size(PIX_FMT_RGB24, pCodecCtx->width, pCodecCtx->height); 这里调用 avpicture_get_size，根据 pCodecCtx 中原始图像的宽高计算 RGB24 格式的图像 需要占用的空间大小，这是为了之后给 pFrameRGB 分配空间。 buffer = av_malloc(numBytes); avpicture_fill( (AVPicture *)pFrameRGB, buffer, PIX_FMT_RGB24, pCodecCtx->width, pCodecCtx->height); 接着上面的，首先是用 av_malloc 分配上面计算大小的内存空间，然后调用 avpicture_fill 将 pFrameRGB 跟 buffer 指向的内存关联起来。 获取图像 OK，一切准备好就可以开始从文件中读取视频帧并解码得到图像了。 i = 0; while( av_read_frame(pFormatCtx, &packet) >= 0 ) { if( packet.stream_index == videoStream ) { avcodec_decode_video2(pCodecCtx, pFrame, &frameFinished, &packet); if( frameFinished ) { struct SwsContext *img_convert_ctx = NULL; img_convert_ctx = sws_getCachedContext(img_convert_ctx, pCodecCtx->width, pCodecCtx->height, pCodecCtx->pix_fmt, pCodecCtx->width, pCodecCtx->height, PIX_FMT_RGB24, SWS_BICUBIC, NULL, NULL, NULL); if( !img_convert_ctx ) { fprintf(stderr, "Cannot initialize sws conversion context\n"); exit(1); } sws_scale(img_convert_ctx, (const uint8_t* const*)pFrame->data, pFrame->linesize, 0, pCodecCtx->height, pFrameRGB->data, pFrameRGB->linesize); if( i++ < 50 ) SaveFrame(pFrameRGB, pCodecCtx->width, pCodecCtx->height, i); } } av_free_packet(&packet); } av_read_frame 从文件中读取一个packet，对于视频来说一个packet里面包含一帧图像数据， 音频可能包含多个帧(当音频帧长度固定时)，读到这一帧后，如果是视频帧，则使用 avcodec_decode_video2 对packet中的帧进行解码，有时候解码器并不能从一个packet中解 码得到一帧图像数据(比如在需要其他参考帧的情况下)，因此会设置 frameFinished，如果 已经得到下一帧图像则设置 frameFinished 非零，否则为零。所以这里我们判断 frameFinished 是否为零来确定 pFrame 中是否已经得到解码的图像。注意在每次处理完后 需要调用 av_free_packet 释放读取的packet。 解码得到图像后，很有可能不是我们想要的 RGB24 格式，因此需要使用 swscale 来做转 换，调用 sws_getCachedContext 得到转换上下文，使用 sws_scale 将图形从解码后的格式转换为 RGB24，最后将前50帧写人 ppm 文件。最后释放图像以及关闭文件: av_free(buffer); av_free(pFrameRGB); av_free(pFrame); avcodec_close(pCodecCtx); avformat_close_input(&pFormatCtx); return 0; } static void SaveFrame(AVFrame *pFrame, int width, int height, int iFrame) { FILE *pFile; char szFilename[32]; int y; sprintf(szFilename, "frame%d.ppm", iFrame); pFile = fopen(szFilename, "wb"); if( !pFile ) return; fprintf(pFile, "P6\n%d %d\n255\n", width, height); for( y = 0; y < height; y++ ) fwrite(pFrame->data[0] + y * pFrame->linesize[0], 1, width * 3, pFile); fclose(pFile); } 重点AVCodec/AVCodecContext/MsrleContext这几个数据结构，这几个数据结构定义了编解码 器的核心架构，相当于Directshow中的各种音视频解码器decoder。 typedefstructAVCodec { constchar*name; // 标示Codec的名字, 比如，"msrle""truespeech" 等。 enumCodecTypetype; // 标示Codec的类型，有Video，Audio，Data等类型 enumCodecIDid; // 标示Codec的ID，有CODEC_ID_MSRLE，CODEC_ID_TRUESPEECH等 intpriv_data_size; // 标示具体的Codec对应的Context的大小，在本例中是 MsrleContext // 或TSContext的大小。 int(*init)(AVCodecContext*);// 标示Codec对外提供的操作 int(*encode)(AVCodecContext*,uint8_t*buf,intbuf_size, void*data); int(*close)(AVCodecContext*); int(*decode)(AVCodecContext*,void*outdata,int*outdata_size, uint8_t*buf,intbuf_size); intcapabilities; // 标示Codec的能力，在瘦身后的ffplay中没太大作用，可忽略 structAVCodec*next; // 用于把所有Codec串成一个链表，便于遍历 }AVCodec; AVCodec 是类似COM接口的数据结构，表示音视频编解码器，着重于功能函数，一种媒体类型对应一个 AVCodec结构，在程序运行时有多个实例。next变量用于把所有支持的编解码器连接成链表，便于遍历查找;id 确定了唯一编解码器;priv_data_size 表示具体的Codec 对应的 Context结构大小，比如MsrleContext 或 TSContext，这些具体的结够定义散落于各个.c文件中，为避免太多的ifelse 类语句判断类型再计算大小，这里 就直接指明大小，因为这是一个编译时静态确定的字段，所以放在AVCodec而不是AVCodecContext中。 typedefstructAVCodecContext { intbit_rate; intframe_number; unsignedchar*extradata;//Codec的私有数据，对Audio是WAVEFORMATEX结构扩展字节。 intextradata_size; // 对Video是BITMAPINFOHEADER后的扩展字节 intwidth,height; // 此逻辑段仅针对视频 enumPixelFormatpix_fmt; intsample_rate; // 此逻辑段仅针对音频 intchannels; intbits_per_sample; intblock_align; structAVCodec*codec; // 指向当前AVCodec的指针， void*priv_data; // 指向当前具体编解码器Codec的上下文Context。 enumCodecTypecodec_type;//seeCODEC_TYPE_xxx enumCodecIDcodec_id; //seeCODEC_ID_xxx int(*get_buffer)(structAVCodecContext*c,AVFrame*pic); void(*release_buffer)(structAVCodecContext*c,AVFrame*pic); int(*reget_buffer)(structAVCodecContext*c,AVFrame*pic); intinternal_buffer_count; void*internal_buffer; structAVPaletteControl*palctrl; }AVCodecContext; AVCodecContext结构表示程序运行的当前Codec使用的上下文，着重于所有Codec共有的属性(并且是在程 序运行时才能确定其值)和关联其他结构的字段。extradata和extradata_size两个字段表述了相应Codec使用的私 有数据，对Codec全局有效，通常是一些标志信息;codec字段关联相应的编解码器;priv_data字段关联各个具 体编解码器独有的属性上下文，和AVCodec结构中的priv_data_size 配对使用。 typedefstructMsrleContext { AVCodecContext*avctx; AVFrameframe; unsignedchar*buf; intsize; }MsrleContext; MsrleContext结构着重于RLE行程长度压缩算法独有的属性值和关联AVCodecContext 的avctx字段。因为 RLE行程长度算法足够简单，属性值相对较少。 接着来重点分析AVInputFormat/AVFormatContext/AVIContext这几个数据结构，这几个数据结构定义了识别文件容器格式的核心架构，相当于Directshow中的各种解复用demuxer。 typedefstructAVInputFormat { constchar*name; intpriv_data_size; // 标示具体的文件容器格式对应的Context的大小，在本例中是AVIContext int(*read_probe)(AVProbeData*); int(*read_header)(structAVFormatContext*,AVFormatParameters*ap); int(*read_packet)(structAVFormatContext*,AVPacket*pkt); int(*read_close)(structAVFormatContext*); constchar*extensions;// 文件扩展名 structAVInputFormat*next; }AVInputFormat; AVInputFormat是类似COM接口的数据结构，表示输入文件容器格式，着重于功能函数，一种文件容器格 式对应一个AVInputFormat结构，在程序运行时有多个实例。next变量用于把所有支持的输入文件容器格式连接 成链表，便于遍历查找;priv_data_size 标示具体的文件容器格式对应的Context的大小，在本例中是AVIContext， 这些具体的结够定义散落于各个.c文件中，为避免太多的ifelse 类语句判断类型再计算大小，这里就直接指明大小，因为这是一个编译时静态确定的字段，所以放在AVInputFormat而不是AVFormatContext中。 typedefstructAVFormatContext //formatI/Ocontext { structAVInputFormat*iformat; void*priv_data; // 指向具体的文件容器格式的上下文Context，在本例中是AVIContext ByteIOContextpb; // 广泛意义的输入文件 intnb_streams; AVStream*streams[MAX_STREAMS]; }AVFormatContext; AVFormatContext结构表示程序运行的当前文件容器格式使用的上下文，着重于所有文件容器共有的属性(并且是在程序运行时才能确定其值)和关联其他结构的字段。iformat字段关联相应的文件容器格式;pb关联广义的 输入文件;streams关联音视频流;priv_data字段关联各个具体文件容器独有的属性上下文，和priv_data_size 配 对使用。 typedefstructAVIContext { int64_triff_end; int64_tmovi_end; offset_tmovi_list; intnon_interleaved; intstream_index_2;// 为了和AVPacket中的stream_index相区别，添加后缀标记。 }AVIContext; AVIContext定义了AVI中流的一些属性，其中stream_index_2定义了当前应该读取流的索引。 接着我们来重点分析URLProtocol/URLContext(ByteIOContext)/FILE(Socket)这几个数据结构，这几个数据结 构定义了读取文件的核心架构，相当于Directshow中的文件源filesourcefilter。 typedefstructURLProtocol { constchar*name; // 便于人性化的识别理解 int(*url_open)(URLContext*h,constchar*filename,intflags); int(*url_read)(URLContext*h,unsignedchar*buf,intsize); int(*url_write)(URLContext*h,unsignedchar*buf,intsize); offset_t(*url_seek)(URLContext*h,offset_tpos,intwhence); int(*url_close)(URLContext*h); structURLProtocol*next; }URLProtocol; URLProtocol是类似COM接口的数据结构，表示广义的输入文件，着重于功能函数，一种广义的输入文件 对应一个URLProtocol结构，比如file，pipe，tcp等等，但瘦身后的ffplay只支持file一种输入文件。next变量 用于把所有支持的广义的输入文件连接成链表，便于遍历查找。 typedefstructURLContext { structURLProtocol*prot; intflags; intmax_packet_size;//ifnonzero,thestreamispacketized withthismaxpacketsize void*priv_data; // 文件句柄fd，网络通信Scoket等 charfilename[1]; //specifiedfilename }URLContext; URLContext结构表示程序运行的当前广义输入文件使用的上下文，着重于所有广义输 入文件共有的属性(并 且是在程序运行时才能确定其值)和关联其他结构的字段。prot字段关联相应的广义输入文 件;priv_data字段关 联各个具体广义输入文件的句柄。 typedefstructByteIOContext { unsignedchar*buffer; intbuffer_size; unsignedchar*buf_ptr, *buf_end; void*opaque; // 关联URLContext int(*read_buf)(void*opaque,uint8_t*buf,intbuf_size); int(*write_buf)(void*opaque,uint8_t*buf,intbuf_size); offset_t(*seek)(void*opaque,offset_toffset,intwhence); offset_tpos; //positioninthefileofthecurrentbuffer intmust_flush; //trueifthenextseekshouldflush inteof_reached; //trueifeofreached intwrite_flag; //trueifopenforwriting intmax_packet_size; interror; //containstheerrorcodeor0ifnoerrorhappened }ByteIOContext; ByteIOContext结构扩展URLProtocol结构成内部有缓冲机制的广泛意义上的文件，改 善广义输入文件的IO 性能。由其数据结构定义的字段可知，主要是缓冲区相关字段，标记字段，和一个关联字段 opaque来完成广义 文件读写操作。opaque关联字段用于关联URLContext结构，间接关联并扩展URLProtocol 结构。 接着我们来重点分析AVStream/AVIStream这几个数据结构，这几个数据结构定义了解 析媒体流的核心属性， 主要用于读取媒体流数据，相当于Directshow中的解复用Demux内部的流解析逻辑。特别 注意此结构关联 AVCodecContext 结构，并经此结构能跳转到其他结构。 typedefstructAVStream // 解析文件容器内部使用的逻辑 { AVCodecContext*actx; //codeccontext,changefromAVCodecContext*codec; void*priv_data; //AVIStream AVRationaltime_base; // 由av_set_pts_info()函数初始化 AVIndexEntry*index_entries;//onlyusediftheformatdoesnotsupportseekingnatively intnb_index_entries; intindex_entries_allocated_size; doubleframe_last_delay; }AVStream; AVStream结构表示当前媒体流的上下文，着重于所有媒体流共有的属性(并且是在程 序运行时才能确定其值) 和关联其他结构的字段。actx字段关联当前音视频媒体使用的编解码器;priv_data字段关联 解析各个具体媒体流 与文件容器有关的独有的属性;还有一些媒体帧索引和时钟信息。 typedefstructAVIStream { int64_tframe_offset;//currentframe(video)orbyte(audio)counter(usedtocomputethepts) intremaining; intpacket_size; intscale; intrate; intsample_size; //size ofonesample(orpacket)(intherate/scalesense)inbytes int64_tcum_len; //temporarystorage(usedduringseek) intprefix; //normally'd'<<8+'c'or'w'<<8+'b' intprefix_count; }AVIStream; AVIStream 结构定义了AVI文件中媒体流的一些属性，用于解析AVI文件。 接着我们来分析AVPacket/AVPacketList/PacketQueue这几个数据结构，这几个数据结 构定义解复用demux 模块输出的音视频压缩数据流队列，相当于Directshow中Demux的OutputPin，传递数据到 解码器。 typedefstructAVPacket { int64_tpts;//presentationtimestampintime_baseunits int64_tdts;//decompressiontimestampintime_baseunits int64_tpos;//bytepositioninstream,-1ifunknown uint8_t*data; intsize; intstream_index; intflags; void(*destruct)(structAVPacket*); }AVPacket; AVPacket 代表音视频数据帧，固有的属性是一些标记，时钟信息，和压缩数据首地址， 大小等信息。 typedefstructAVPacketList { AVPacketpkt; structAVPacketList*next; }AVPacketList; AVPacketList 把音视频AVPacket 组成一个小链表。 typedefstructPacketQueue { AVPacketList*first_pkt, *last_pkt; intsize; intabort_request; SDL_mutex*mutex; SDL_cond*cond; }PacketQueue; PacketQueue 通过小链表AVPacketList把音视频帧AVPacket 组成一个顺序队列，是数据交换中转站，当然 同步互斥控制逻辑是必不可少的。 最后我们来重点分析VideoState这个数据结构，这个数据结构把主要的数据结构整合在一起，声明成全局变 量，起一个中转的作用，便于在各个子结构之间跳转，相当于一个大背景，大平台的作用。 typedefstructVideoState { SDL_Thread*parse_tid; SDL_Thread*video_tid; intabort_request; AVInputFormat*iformat; AVFormatContext*ic; // 关联的主要数据结构是ByteIOContext 和AVStream AVStream*audio_st; // 关联的主要数据结构是AVCodecContext 和AVIStream AVStream*video_st; intaudio_stream;// 音频流索引，实际表示AVFormatContext结构中AVStream*streams[]数组中的索引 intvideo_stream;// 视频流索引，实际表示AVFormatContext结构中AVStream*streams[]数组中的索引 PacketQueueaudioq; // 音频数据包队列，注意一包音频数据可能包含几个音频帧 PacketQueuevideoq; // 视频数据包队列，注意瘦身后的ffplay一包视频数据是完整的一帧 VideoPicturepictq[VIDEO_PICTURE_QUEUE_SIZE];// 输出视频队列，瘦身后的ffplay只有一项 doubleframe_last_delay; uint8_taudio_buf[(AVCODEC_MAX_AUDIO_FRAME_SIZE*3)/2];// 输出的音频缓存 unsignedintaudio_buf_size; intaudio_buf_index; AVPacketaudio_pkt; // 音频包属性，只一个指针指向原始音频包数据，非直接包含音频数据包数据 uint8_t*audio_pkt_data; intaudio_pkt_size; SDL_mutex*video_decoder_mutex;// 视频线程同步互斥变量 SDL_mutex*audio_decoder_mutex;// 音频线程同步互斥变量 charfilename[240]; // 媒体文件名 }VideoState; 音视频数据流简单，由 ByteIOContext(URLContext/URLProtocol )表示的广义输入文件，在 AVStream(AVIStreamt)提供的特定文件容器流信息的指引下，用 AVInputFormat(AVFormatContext/AVInputFormat )接口的read_packet()函数读取完整的一帧数据，分别放到音频或视频PacketQueue(AVPacketList/AVPacket)队列 中，这部分功能由decode_thread线程完成。对于视频数据，video_thread线程不停的从视频PacketQueue队列中 取出视频帧，调用AVCodec(AVCodecContext/MsrleContext)接口的decode()函数解码视频帧，在适当延时后做颜 色空间转化并调用 SDL 库显示出来。对于音频数据，SDL播放库播放完缓冲区的 PCM 数据后，调用 sdl_audio_callback()函数解码音频数据，并把解码后的PCM数据填充到SDL音频缓存播放。当下次播放完后， 再调用sdl_audio_callback()函数解码填充，如此循环不已。