FFmpeg流拼接滤镜concat原理与使用注意事项

本文出处：http://blog.csdn.net/chaijunkun/article/details/116237809，转载请注明。由于本人不定期会整理相关博文，会对相应内容作出完善。因此强烈建议在原始出处查看此文。

输入流拆分合并原理

对于新手来说，concat滤镜的三个参数:n、v、a会让人抓不住头脑，其实在官方文档中有这么一句话，描述得已经非常准确了:

There are nx(v+a) inputs: first the inputs for the first segment,
in the same order as the outputs,
then the inputs for the second segment, etc.

下面详细介绍滤镜拆分流的工作原理。

首先要说明的是，concat滤镜先处理视频流，后处理音频流。

一个官方的例子来解释：

ffmpeg -i opening.mkv -i episode.mkv -i ending.mkv -filter_complex \
  '[0:0] [0:1] [0:2] [1:0] [1:1] [1:2] [2:0] [2:1] [2:2]
   concat=n=3:v=1:a=2 [v] [a1] [a2]' \
  -map '[v]' -map '[a1]' -map '[a2]' output.mkv

在上述命令中，输入源有3个，每个输入源都有1个视频流和2个音频流（可以想象为影视剧的两种语言对白）；

concat滤镜指定了视频流有1个，因此先选出视频流[0:0];
而后指定了音频流有2个，因此后面的[0:1]、[0:2]被选出;
接下来再看n，上述命令配置为3，意味着有3个片段。则输入流应当有3*(1+2)个流，也就是9个流，并且按照出现的先后顺序进行拼接。

即：

(([0:0])([0:1],[0:2])) + (([1:0])([1:1],[1:2])) + (([2:0])([2:1],[2:2]))

==>
[0:0] + [1:0] + [2:0] => [v]
[0:1] + [1:1] + [2:1] => [a1]
[0:2] + [1:2] + [2:2] => [a2]

需要注意的是，使用一次concat滤镜同时处理音频流和视频流时，两个（或者多个）输入源一定要保证拼接的音视频流数量相等。
并且输入的流顺序要严格按照上述规则，不能音视频流顺序颠倒，例如：

[0:v][0:a][1:a][1:v]concat=n=2:v=1:a=1[v][a]

上述命令中第二个输入源的音视频流颠倒了，这样滤镜就会认为是

[0:v] + [1:a]

而这两个流的类型不一样，就会报错：

Stream specifier ':a' in filtergraph description [0:v][0:a][1:a][1:v]concat=n=2:v=1:a=1[v][a] matches no streams

当然回到最开始的官方例子，每个输入源有2个音频流，音频流的顺序可以调换吗？例如：

[0:1][0:2][1:2][1:1]concat=n=2:v=0:a=2[a1][a2]

如果音频参数完全一致，是可以正常运行的，但，这真的是你想要的效果吗？类似于开头是英文对白，后面突然变成了中文对白。

拼接流有哪些先决条件

虽然视频、音频流都可以进行拼接，但真正进入滤镜前要保证满足一些先决条件，否则会发生错误。

视频流拼接的先决条件

1. 画面大小一致
2. SAR、DAR一致
3. 帧率一致
4. 时间基一致

音频流拼接的先决条件

1. 采样率一致
2. 时间基一致