【前言】
在看这篇文章前，我推荐你先看看我的另外两篇文章：
【FFmpeg(2016)】视频文件分离器(demuxing)——H264&PCM
本文章主要介绍SwrContext的用处 和 使用方法，到底什么是重采样，为什么需要重采样，希望你耐心看完。
重采样，也就是对已得到的数据进行重新的采样；比如，原先的PCM音频数据是2 个声道，44100采样率，32bit 单精度型(sample format采样格式)。
那么通过重采样，我们改变它的声道数、采样率和采样格式。
对于改变声道数 和 采样率 ，在这里不着重探讨，主要理解 sample format.
【FFmpeg数据结构】
官方对sample format进行了定义，如下：
enum AVSampleFormat {
AV_SAMPLE_FMT_NONE = -1,
AV_SAMPLE_FMT_U8, ///< unsigned 8 bits
AV_SAMPLE_FMT_S16, ///< signed 16 bits
AV_SAMPLE_FMT_S32, ///< signed 32 bits
AV_SAMPLE_FMT_FLT, ///< float
AV_SAMPLE_FMT_DBL, ///< double
AV_SAMPLE_FMT_U8P, ///< unsigned 8 bits, planar
AV_SAMPLE_FMT_S16P, ///< signed 16 bits, planar
AV_SAMPLE_FMT_S32P, ///< signed 32 bits, planar
AV_SAMPLE_FMT_FLTP, ///< float, planar
AV_SAMPLE_FMT_DBLP, ///< double, planar
AV_SAMPLE_FMT_S64, ///< signed 64 bits
AV_SAMPLE_FMT_S64P, ///< signed 64 bits, planar
AV_SAMPLE_FMT_NB ///< Number of sample formats. DO NOT USE if linking dynamically
};枚举类型带P的代表非平面类型，带P的代表平面类型。
【FFmpeg平面的概念】
所谓平面与非平面是针对在编解码的时候，数据存储的方式来判定的，那怎么判断呢？
比如，我有一个PCM文件是这样的(L代表左声道，R代表右声道)：
L(一个采样点)R(一个采样点)LRLRLRLRLRLRLRLR........................................
注意，是一个采样点，如果音频sample format 是AV_SAMPLE_FMT_FLT,那就说明一个采样点是32位。
我用ffplay播放这个音频时：
图.1
-f f32le 代表这个文件sample format 是32bit 的，也就是AV_SAMPLE_FMT_FLT，
-ar 是采样率
-ac 是声道数
上面说到我这个PCM文件，对于FFmpeg来说，是AV_SAMPLE_FMT_FLT格式的，它的存储方式就是：
L(一个采样点)R(一个采样点)LRLRLRLRLRLRLRLR........................................
也就是说，对于FFmpeg来说，这个PCM文件是非平面的。
【planar“平面”概念】
我以我这篇文章的代码为例：
如果我直接：
FILE *fp = fopen("a.pcm", "rb");
fread(....);
从L(一个采样点)R(一个采样点)LRLRLRLRLRLRLRLR.....................格式的PCM文件读取一帧，那么AVFrame结构体的data成员状态如下：data是存储着准备要被编码的音频数据,data是一个二维指针
图.2
如果直接对这样的data数组进行AAC编码，你会发现得到的AAC文件播放完成变声了，还很嚓。
到底是什么问题？
这就涉及到planar的概念了
自FFmpeg提及平面概念后，要求的就是每个data指针指向各自声道的数据，也就说，要这样：
图. 3
此时，就是所谓的平面，二维数组的第一维存储了左声道，第二维存储了右声道。
如果对这样的data进行AAC编码，那么得到的数据就是正确的。
这里还有另外一个问题，data里的一个一维数组应该多长，这就要看AVCodecContext的成员frame_size，它代表每读取一帧时读取的采样个数，默认是1024.这种情况下，进行AAC编码前的数据存储情况应该是：
图 .4
【代码】使用SwrContext，输入文件为L(一个采样点)R(一个采样点)LRLRLRLRLRLRLRLR.....................格式的PCM文件
思想是：读入PCM时，data情况是图.2，此时使用SwrContext将其转换成图.4, 然后在进行AAC编码 (注意，图2总共也是8192字节)
extern "C"
{
#include "libavformat/avformat.h"
#include "libavutil/avutil.h"
#include "libavcodec/avcodec.h"
#include "libswresample/swresample.h"
#include "libavutil/frame.h"
#include "libavutil/samplefmt.h"
#include "libavformat/avformat.h"
#include "libavcodec/avcodec.h"
}
#pragma comment(lib, "avcodec.lib")
#pragma comment(lib, "avdevice.lib")
#pragma comment(lib, "avformat.lib")
#pragma comment(lib, "avutil.lib")
#pragma comment(lib, "swscale.lib")
#pragma comment(lib, "swresample.lib")
/* PCM转AAC */
int main()
{
/* ADTS头 */
char *padts = (char *)malloc(sizeof(char) * 7);
int profile = 2; //AAC LC
int freqIdx = 4; //44.1KHz
int chanCfg = 2; //MPEG-4 Audio Channel Configuration. 1 Channel front-center,channel_layout.h
padts[0] = (char)0xFF; // 11111111 = syncword
padts[1] = (char)0xF1; // 1111 1 00 1 = syncword MPEG-2 Layer CRC
padts[2] = (char)(((profile - 1) << 6) + (freqIdx << 2) + (chanCfg >> 2));
padts[6] = (char)0xFC;
SwrContext *swr_ctx = NULL;
AVCodecContext *pCodecCtx = NULL;
AVCodec *pCodec = NULL;
AVFrame *pFrame;
AVPacket pkt;
AVCodecID codec_id = AV_CODEC_ID_AAC;
FILE *fp_in;
FILE *fp_out;
char filename_in[] = "audio.pcm";
char filename_out[] = "audio.aac";
uint8_t **convert_data; //存储转换后的数据，再编码AAC
int i, ret, got_output;
uint8_t* frame_buf;
int size = 0;
int y_size;
int framecnt = 0;
int framenum = 100000;
avcodec_register_all();
pCodec = avcodec_find_encoder(codec_id);
if (!pCodec) {
printf("Codec not found\n");
return -1;
}
pCodecCtx = avcodec_alloc_context3(pCodec);
if (!pCodecCtx) {
printf("Could not allocate video codec context\n");
return -1;
}
pCodecCtx->codec_id = codec_id;
pCodecCtx->codec_type = AVMEDIA_TYPE_AUDIO;
pCodecCtx->sample_fmt = AV_SAMPLE_FMT_FLTP;
pCodecCtx->sample_rate = 44100;
pCodecCtx->channel_layout = AV_CH_LAYOUT_STEREO;
pCodecCtx->channels = av_get_channel_layout_nb_channels(pCodecCtx->channel_layout);
qDebug() << "pCodecCtx->bit_rate ----------------> " << pCodecCtx->bit_rate;
qDebug() << "pCodecCtx->bit_rate ----------------> " << pCodecCtx->bit_rate;
qDebug() << av_get_channel_layout_nb_channels(pCodecCtx->channel_layout);
if ((ret = avcodec_open2(pCodecCtx, pCodec, NULL)) < 0) {
qDebug() << "avcodec_open2 error ----> " << ret;
printf("Could not open codec\n");
return -1;
}
pFrame = av_frame_alloc();
pFrame->nb_samples = pCodecCtx->frame_size; //1024
pFrame->format = pCodecCtx->sample_fmt;
pFrame->channels = 2;
qDebug() << "frame_size(set pFrame->nb_samples) -------------> " << pCodecCtx->frame_size;
/* 由AV_SAMPLE_FMT_FLT转为AV_SAMPLE_FMT_FLTP */
swr_ctx = swr_alloc_set_opts(
NULL,
av_get_default_channel_layout(pCodecCtx->channels),
pCodecCtx->sample_fmt, //在编码前，我希望的采样格式
pCodecCtx->sample_rate,
av_get_default_channel_layout(pCodecCtx->channels),
AV_SAMPLE_FMT_FLT, //PCM源文件的采样格式
pCodecCtx->sample_rate,
0, NULL);
swr_init(swr_ctx);
/* 分配空间 */
convert_data = (uint8_t**)calloc(pCodecCtx->channels,
sizeof(*convert_data));
av_samples_alloc(convert_data, NULL,
pCodecCtx->channels, pCodecCtx->frame_size,
pCodecCtx->sample_fmt, 0);
size = av_samples_get_buffer_size(NULL, pCodecCtx->channels, pCodecCtx->frame_size, pCodecCtx->sample_fmt, 0);
frame_buf = (uint8_t *)av_malloc(size);
/* 此时data[0],data[1]分别指向frame_buf数组起始、中间地址 */
ret = avcodec_fill_audio_frame(pFrame, pCodecCtx->channels, pCodecCtx->sample_fmt, (const uint8_t*)frame_buf, size, 0);
if (ret < 0)
{
qDebug() << "avcodec_fill_audio_frame error ";
return 0;
}
//Input raw data
fp_in = fopen(filename_in, "rb");
if (!fp_in) {
printf("Could not open %s\n", filename_in);
return -1;
}
//Output bitstream
fp_out = fopen(filename_out, "wb");
if (!fp_out) {
printf("Could not open %s\n", filename_out);
return -1;
}
//Encode
for (i = 0; i < framenum; i++) {
av_init_packet(&pkt);
pkt.data = NULL; // packet data will be allocated by the encoder
pkt.size = 0;
//Read raw data
if (fread(frame_buf, 1, size, fp_in) <= 0) {
printf("Failed to read raw data! \n");
return -1;
}
else if (feof(fp_in)) {
break;
}
/* 转换数据，令各自声道的音频数据存储在不同的数组（分别由不同指针指向）*/
swr_convert(swr_ctx, convert_data, pCodecCtx->frame_size,
(const uint8_t**)pFrame->data, pCodecCtx->frame_size);
/* 将转换后的数据复制给pFrame */
int length = pCodecCtx->frame_size * av_get_bytes_per_sample(pCodecCtx->sample_fmt);
for (int k = 0; k < 2; ++k)
for (int j = 0; j < length; ++j)
{
pFrame->data[k][j] = convert_data[k][j];
}
pFrame->pts = i;
qDebug() << "frame->nb_samples -----> " << pFrame->nb_samples;
qDebug() << "size ------------------> " << size;
qDebug() << "frame->linesize[0] ----> " << pFrame->linesize[0];
ret = avcodec_encode_audio2(pCodecCtx, &pkt, pFrame, &got_output);
if (ret < 0) {
qDebug() << "error encoding";
return -1;
}
if (pkt.data == NULL)
{
av_free_packet(&pkt);
continue;
}
qDebug() << "got_ouput = " << got_output;
if (got_output) {
qDebug() << "Succeed to encode frame : " << framecnt << " size :" << pkt.size;
framecnt++;
padts[3] = (char)(((chanCfg & 3) << 6) + ((7 + pkt.size) >> 11));
padts[4] = (char)(((7 + pkt.size) & 0x7FF) >> 3);
padts[5] = (char)((((7 + pkt.size) & 7) << 5) + 0x1F);
fwrite(padts, 7, 1, fp_out);
fwrite(pkt.data, 1, pkt.size, fp_out);
av_free_packet(&pkt);
}
}
//Flush Encoder
for (got_output = 1; got_output; i++) {
ret = avcodec_encode_audio2(pCodecCtx, &pkt, NULL, &got_output);
if (ret < 0) {
printf("Error encoding frame\n");
return -1;
}
if (got_output) {
printf("Flush Encoder: Succeed to encode 1 frame!\tsize:%5d\n", pkt.size);
padts[3] = (char)(((chanCfg & 3) << 6) + ((7 + pkt.size) >> 11));
padts[4] = (char)(((7 + pkt.size) & 0x7FF) >> 3);
padts[5] = (char)((((7 + pkt.size) & 7) << 5) + 0x1F);
fwrite(padts, 7, 1, fp_out);
fwrite(pkt.data, 1, pkt.size, fp_out);
av_free_packet(&pkt);
}
}
fclose(fp_out);
avcodec_close(pCodecCtx);
av_free(pCodecCtx);
av_freep(&pFrame->data[0]);
av_frame_free(&pFrame);
av_freep(&convert_data[0]);
free(convert_data);
//
return 0;
}
上面swr_convert函数执行后，convert_data情况是图.4
AVFrame情况是图.2，所以接下来我将convert_data直接复制给data。
此时编码出来的AAC就是正确的了。
2521
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
