FFMpeg学习——1 基础知识

1 视频解码原理

对一个视频文件，首先解封装，获取视频流、音频流，再解码，音频流转成PCM，视频流转成YUV，最后分别送到声卡和显卡播放

2 概念

2.1 视频

（1）基本概念
帧（frame）：视频由连续的图像组成，每幅图像称为一帧
帧率(frame-rate)：每秒由多少帧构成，常见的帧率30fps、60fps
分辨率：图像由像素构成，一幅图由多少个像素构成，称为分辨率，例如1920×1080
码率：视频文件体积除以时间，单位一般是Kbps(Kbit/s)或者Mbps(Mbit/s)
（2）图像表示
RGB：使用红、绿、蓝三原色的亮度来定量表示颜色，一副图像，每个像素由RGB编码表示，每个原色占8bit，所以一个像素占用24bit=3字节。
YUV：人眼的视觉特点是对亮度更敏感，对位置、色彩相对来说不敏感。在视频编码系统中为了降低带宽，可以保存更多的亮度信息(luma)，保存较少的色差信息(chroma)。Y表示明亮度，而U和V表示色度，如果没有UV分量，将显示黑白图像，即灰度图。
视频显示需要RGB，为了减少带宽，数据存储使用YUV。
（3）YUV格式
YUV 图像的主流采样方式有如下三种：

• YUV 4:4:4 采样
• YUV 4:2:2 采样
• YUV 4:2:0 采样

以YUV420为例，每四个Y分量共用一组UV分量，在每一行扫描时，只扫描一种色度分量（U 或者 V），和 Y 分量按照 2 : 1 的方式采样。比如，第一行扫描时，YU 按照 2 : 1 的方式采样，那么第二行扫描时，YV 分量按照 2:1 的方式采样。
YUV存储格式：

• planar 平面格式：指先连续存储所有像素点的 Y 分量，然后存储 U 分量，最后是 V 分量。
• packed 打包模式：指每个像素点的Y、U、V 分量是连续交替存储的。

（4）H264
帧类型：I帧是关键帧，一副完整的图像， P帧前向参考帧。B帧是双向参考帧。
GOP：两个I帧之间是一个图像序列，在一个图像序列中只有一个I帧。
IDR帧：一个序列的第一个图像叫做 IDR 图像（立即刷新图像），IDR 图像都是 I 帧图像。当解码器解码到 IDR 图像时，立即将参考帧队列清空，将已解码的数据全部输出或抛弃，重新查找参数集，开始一个新的序列。

（5）PTS、DTS
DTS：解码时间戳，告诉播放器什么时候解码，基本不用
PTS：显示时间戳，告诉播放器什么时候显示数据

2.2 音频

音频的形成过程：采样——>量化——编码
采样率：每秒的采样次数，常见采样频率44.1kHZ、48kHZ、96kHZ
声道数：单声道（mono），立体音（两个或两个以上声道数， Stereophonic）
采样位宽：量化位数，常见 8bit 、16bit、32bit
比特率：每秒的传输速率， 比特率=采样率 * 单个的周期音频数据长度。如16bit 双声道 48KHz音频的比特率：48KHz * (16 * 2) = 1536kbps = 192 kbps

参考

雷霄骅 CSDN
B站：FFMpeg视频播放器的制作-雷霄骅
一文读懂 YUV 的采样与格式
图像和流媒体 – I 帧,B帧,P帧,IDR帧的区别