DirectShow非线性编辑DES剖析

DES (DirectShow Editing Services)，是一套基于DirectShow核心框架的编程接口。DES的出现，简化了视频编辑任务，弥补了DirectShow对于媒体文件非线性编辑支持的先天性不足。但是，就技术本身而言，DES并没有超越DirectShow Filter架构，而只是DirectShow Filter的一种增强应用。我们可以从下图中了解到DES在我们整个多媒体处理应用中的位置。

 

　　下面，我们举个例子来看一下DES能够给我们带来些什么。假如我们现在有三个文件A、B和C，使用这三个文件做成一个合成的文件。我们想取A的4秒钟的内容，紧接着取B的10秒钟的内容，再紧接着C的5秒钟的内容。如果仅仅是这样，我们直接使用DirectShow Filter是不难实现的。（一般情况下，应用程序级会维持各个文件的编辑信息，由应用程序根据这些信息动态创建/控制功能单一的Filter Graph，以顺序对各个文件进行处理。）但是，如果我们的“创意”是随时改变的，我们现在想让C在B之前出现，或者我们想取A的不同位置的10秒钟内容，或者我们想给整个合成的文件加上一段美妙的背景音乐。如果我们仍然直接使用DirectShow Filter去实现，情况就变得很复杂了。然而，对于DES，这真的是小Case!（将所有的编辑信息以DES提供的接口告诉DES，其它的如Filter Graph的创建/控制输出，就完全交给DES来负责吧！这时候，DES创建的Filter Graph带有各个Source输出的控制功能，一般比较复杂。）

　　如果我们使用DES，我们还可以得到如下的便利：

　　1.    基于时间线(Timeline)的结构以及Track的概念，使得多媒体文件的组织、编辑变得直观而高效；
　　2.    支持即时的预览；
　　3.    视频编辑项目支持XML文档的形式保存；
　　4.    支持对视频/音频的效果处理，以及视频之间切换的过渡处理；
　　5.    可以直接使用DES提供的100多种SMPTE过渡效果，以及MS IE自带的各种Transform、Transition组件；
　　6.    支持通过色调、亮度、RGB值或者alpha值进行图像的合成；
　　7.    自动对源文件输出的视频帧率、音频的采样率进行调整，直接支持视频的缩放。

　　接下去，我们来看一下DES的结构（Timeline模型），如下图所示：

　　这是一个树形结构。在这棵树中，音视频文件是叶结点，称作为Source；一个或多个Source组成一个Track，每个Track都有统一的媒体格式输出；Track的集合称作为Composition，每个Composition可以对其所有的Composition或Track进行各种复杂的编辑；顶级的Composition或Track就组成了Group；每个Group输出单一格式的媒体流，所有的Group组成一个Timeline, Timeline表示一个视频编辑的项目，它是这棵树的根节点。一个Timeline项目必须至少包含一个Group，最典型的情况一般包含两个Group：Audio Group和Video Group。

下面，我们来看一个典型的基于Timeline的Source Track编排。如下图：

 

　　图中，箭头方向即是Timeline的方向。这个Timeline由两个Group组成，每个Group中包含两个Source Track。在Group中，Track是有优先级的（Track 0具有最低的优先级，依次类推）。运行时，总是输出高优先级的Track中的Source内容。如果此时高优先级的Track中没有Source输出，则让低优先级的Track中的Source输出。如上图中Video Group的输出顺序为Source A->Source C->Source B。而对于Audio Group，它的所有Track的输出只是简单的合成。

　　我们再看一个典型的Track之间加入了Transition的Timeline结构。如下图：

　　图中，Video Group中是两个Track以及Track上几个Source的编排；Rendered video中表示这个Group最终输出的效果。我们可以看到，在Track 1上有一个Transition，表示这个时间段上从Track 0过渡到Track1的效果。一般，Transition位于高优先级的Track上。Transition也是有方向的，默认是从低优先级的Track过渡到高优先级的Track。当然，我们也可以改变Transition的方向。如下图所示，第一个Transition是从Track 0到Track 1，第二个Transition是从Track 1到Track 0。

　　值得注意的是，DES使用的Transition采用了叫做DirectX Transform Object的技术。任何两输入一输出的DirectX Transform Object都可以用作Transition。遗憾的是，微软现在的DirectX SDK不再支持这种组件的开发。我们能够使用的，只有DES本身提供的几种效果，还有就是Microsoft Internet Explorer自带的效果。DES使用的Effect情况类似，只不过DES Effect是单输入单输出的DirectX Transform Object。

　　讲到这里，我们已经对DES结构有了一个初步的了解。我们需要回过去再看一看这个Timeline树结构。我们会发现，Group下面一般都有一个Composition，而随后的图例中，我们看到一般Group下直接嵌入的是Track。那么，Composition有什么用呢？熟悉《设计模式》的人很容易就明白了，微软采用的就是对象结构型模式的其中一种叫Composite（组合）的模式。Composition可以包装几个Track（这几个Track之间可能是包含Transition的），组成一个Virtual Track，并且与其他普通的Track接口保持一致。我们完全可以把这个Virtual Track与普通的Track一样操作，进而很方便地进行更加复杂、丰富的效果编辑。我们知道，DES是在Filter之上做了一层封装。为了更进一步地理解DES，我们就必须从Filter Graph这个层次对DES进行剖析。

　　下面，我们看一个典型的DES Filter Graph图：

　　上图中，有两个Filter外形很大：一个含有20个Input pin和20个Output pin，另一个含有15个Input pin和10个Output pin。前者是DES的Video控制Filter，后者是DES的Audio控制Filter。这两个Filter也就是DES的核心所在。他们知道用户编辑的Timeline结构，并且它们能够在Filter Graph运行的时候创建各个Source的解码链路。

　　下面我们再看一下当一个Timeline结构“翻译”成Filter Graph时是什么样子。先看Video部分：

　　从上图可以看出，我们加入了一个Mpeg1的File source。DES 会自动给这个File source进行解码。首先经过Splitter。因为这个File source是加在Video group的，所以DES只取Splitter出来的Video部分。然后经过Resizer。这个Filter调整Video输出的Size。然后经过Frame Rate Converter。这个Filter调整Video输出的帧率。最后，连接到DES Video控制Filter的某个Input pin上。DES的“自动对源文件输出的视频帧率、音频的采样率进行调整，直接支持视频的缩放”的奥妙也就在此。
值得注意的是，这条解码链路是通过微软的“智能连接”来创建的。采用这种方法，DES可以最大限度地使用本地系统中已经安装的Filter。但同时，也给基于DES的应用程序带来了麻烦。因为应用程序运行的系统环境是不可预见的，DES对Source的解码链路构建也就不稳定，相应地，应用程序的稳健性受运行环境的影响也会比较大。

　　下面我们再来看一下Audio部分：

　　可以看出，Audio解码链路与Video部分是相似的。需要说明一下的是，Audio Repackager这个Filter负责将Audio数据按设定的每秒钟输出多少个Sample重新进行打包，类似于Video部分的Frame Rate Converter。

　　理论上说，DES支持任何格式的媒体文件，只要系统中注册了对这种格式文件的解码Filter。我们看一下下图，DES对静态图片的支持：

　　接下去，我们再来看一下DES对Effect/Transition的实现情况。我们知道，DES并没有直接实现Effect/Transition。DES只是在Timeline中建立了一个包装，而具体的工作交给了所谓的”Subobject”去做。这个”Subobject”就是DirectX Transform Object，它是一种COM组件，而且遗憾的是，这种组件的开发技术在微软新的DirectX SDK中已经找不到了。也就是说，如果我们开发基于DES的应用程序的话，我们只能使用DES提供的，以及微软IE自带的Effect/Transition。这种限制同样是令人头疼的！下面看一下两个图例：

　　从图中可以看出，Effect/Transition都使用了Wrapper filter（这两个Filter的CLSID是相同的），不同的是Effect是一进一出，而Transition是两进一出。我们还可以看到，Video控制Filter的Output pin经过Effect/ Transition后重新作为Video控制Filter的一个输入。

　　接下去，我们再来看一下DES对Audio Mixing的实现。典型的Timeline会有一个Video Group和一个Audio Group。如果整个Audio Group没有一个Audio source，或者一个10s的Timeline，Audio file仅有0-5s的输出，DES是如何处理的呢？我们看下图：

　　DES会自动创建一个Source，这个Source产生Mute PCM Audio。这样，就保证了Audio Group在整个Timeline过程中肯定是有输出的。下图是Audio Mixing的一个例子，DES的Audio控制Filter将所有输入的PCM Audio做简单的混合后输出。

　　最后，我们来看一下DES Filter Graph的创建过程。我们可以看到，最开始创建的，只有那两个控制Filter，还有Effect/Transition的包装Filter以及Audio/Video各自的Renderer filter。当Filter Graph开始运行，控制Filter就开始创建Timeline上第一个Source的解码链路；而当Filter Graph运行到最后的时候，整个Filter结构可能看起来非常复杂。DES能够根据Timeline上的各个Object的Timeline Time进行动态的创建、动态的连接。

　　对于编写基于DES的应用程序开发者来说，了解这些DES的Filter Graph结构不是十分必要的。另一方面，因为DES的局限性（而且或许对于某些大型的商业应用软件来说是致命的），我们直接使用DES的可能性很小。我们研究的目的，在于汲取DES设计的精华，以开发一套适合于我们自己的使用的、提供强大编辑功能的DirectShow Filter应用架构。