如何利用ffmpeg提供的API函数进行多媒体文件的解封装

多媒体已经无处不在，程序员必须知道的一些多媒体封装知识 如何利用ffmpeg提供的API函数进行多媒体文件的解封装。

上一篇文章我们搭好了环境并编译出所需的ffmpeg库，本篇我们讨论如何利用ffmpeg提供的API函数进行多媒体文件的解封装（demux）过程。在讲解之前，我们需要了解一些基本的多媒体文件知识，大虾请飘过。

• 容器格式：不管是音频文件还是视频格式的文件，都是一个多媒体的容器，即container，比如常见的视频容器格式有avi、mp4、mkv、flv、rm/rmvb、mov、ts、vob、dat，音频容器格式有MP3、WAV、AAC、APE，FLAC等等，它容纳了视频、音频、字幕（subtitle）等一个或多个基本流数据，有的甚至一个容器中存放有多个视频、音频以及字幕。

• 压缩格式：对视频、音频数据的基本流进行的压缩方式就是音视频的压缩格式。常见的视频压缩格式如mpeg2、mpeg4、H264、VC1、Rm/Rmvb，常见音频压缩格式如MPA、AAC、AC3、DTS。注意这里的部分名字和上面的一样，但意义不同，上面是封装格式，这里是压缩格式。为什么要压缩呢？因为不压缩的话，要存储图像或声音就需要非常多的空间，比如mpeg2压缩比能达到25:1左右，而H264甚至能达到102:1的惊人程度！

• ES：也就是ElementaryStream，也称为基本流、组件流等称呼，就是单独的一路视频、一条音频、一个subtitle字幕或者单个的附加数据。显然常见的多媒体文件一个都有一个视频ES、音频ES，有的也含有多个视频ES和音频ES以及subtitleES。比如蓝光原版的TS一般都含有多个音轨ES和字幕ES，但不是所有有字幕都有字幕ES，可能字幕已经内嵌进视频，这样的字幕其实成了视频的一部分。

• Demux：在播放时，需要把这些视音频以及字幕等基本流分离出来，这个过程就叫Demux，或者解封装，也称为解复用。分离出来的各个基本流（ES）分别送给视频解码器、音频解码器等解码后才能得到图像声音。Demux过程如下图（subtitle也可能需要解码）汉游天下（http://vdisk.weibo.com/s/FuhRYFUVmMhCZ）

• Remux：当然Demux反过来把基本的音频、视频、字幕等组合成一个完整的多媒体就是Remux或者封装，也称为复用。比如很多电影网站的音视频压制的人就需要先做Demux，分离成ES，在加入必要的中文字幕和音轨后、重新封装。所有的转码工具也都必须有Remux和重新Demux的过程。复用与解复用的概念对于熟悉DVB行业的读者来说应该比较清楚。

• PTS：也就是显示时间戳，指图像或者声音在解码后应该显示或者发声的时间点。音视频不是一解码出来就播出来，否则就乱了，性能好的解码器播放的快，差的播放的慢，并且视频和音频也对不上号。所有这些都是靠PTS来同步的。至于DTS解码时间戳在现在相对以前较大解码内存缓冲下，显得不那么重要了。

有了这些基本的多媒体知识，我们就可以继续讲解如何利用ffmpeg来进行Demux这个过程。首先介绍一下主要的几个API函数：

intavformat_open_input(AVFormatContext **ps, const char *filename,

AVInputFormat *fmt, AVDictionary **options)；

这个函数用于打开多媒体文件，并读取相关文件头信息。

voidavformat_close_input(AVFormatContext **ps)；

这个函数用于关闭上面打开的多媒体文件，释放相关资源。

intavformat_find_stream_info(AVFormatContext *ic, AVDictionary**options);

这个函数通过注册的文件格式解析器读取文件的取各种信息，比如播放持续时间、音视频压缩格式、音轨信息、字幕信息、帧率、采样率等等。

int av_read_frame(AVFormatContext*s, AVPacket *pkt);

这个函数对于Demux过程是最重要的一个函数，它从文件中读取一帧视频、一帧或多帧音频、字幕等ES数据包，除了数据本身之外，还包括PTS、持续时间、参考帧等重要信息。

void av_free_packet(AVPacket *pkt)；

这个函数用于释放ES数据包，与上面的函数成对使用。

有了这些函数和上面的基本知识，下面我们来实现一个简单的Demux框架实例。这个实例的功能是把多媒体文件中的音视频ES数据抽出来分别写入不同文件。我们为了简单，这里不处理返回错误，在实际项目中自己添加错误处理机制。本文力求用最简单最原始的方式把ffmpeg解封装的基本框架讲解清楚。

#include <stdio.h>

#include "libavformat/avformat.h"

static const char *media_file = "test_media.mp4";
int main(void)
{
int i, vid_idx, aud_idx;
FILE *fp_vides = NULL, *fp_audes = NULL;
AVFormatContext *pFormatCtx = NULL;
AVPacket pkt;

av_register_all();
avformat_open_input(&pFormatCtx, media_file, NULL, NULL);
avformat_find_stream_info(pFormatCtx, NULL);

fp_vides = fopen("vid_es.dat", "wb");
fp_audes = fopen("aud_es.dat", "wb");
// 1, handle stream info
for (i=0; i<pFormatCtx->nb_streams; i++)
{
if (pFormatCtx->streams[i]->codec->codec_type ==AVMEDIA_TYPE_VIDEO)
vid_idx = i;
else if (pFormatCtx->streams[i]->codec->codec_type ==AVMEDIA_TYPE_AUDIO)
aud_idx = i;
else
;//such as subtitile
}
while (av_read_frame(pFormatCtx, &pkt) >= 0)
{
// 2, handle pkt data
if (pkt.stream_index == vid_idx)
fwrite(pkt.data, pkt.size, 1, fp_vides);
else if (pkt.stream_index == aud_idx)
fwrite(pkt.data, pkt.size, 1, fp_audes);
else
;// such as subtitile
av_free_packet(&pkt);
}
fclose(fp_vides);
fclose(fp_audes);
avformat_close_input(&pFormatCtx);
return 0;
}

在注释1的地方，需要处理基本流索引与音视频对应的关系和重要信息记录，这个关系会在注释2的地方用到，并且也是后续的多音轨、字幕切换的凭据，本例只处理了最简单的只有一路音视频的情况，且没有对其他信息进行记录，比如帧率、视频宽高、编码类型、时间标度、第一个PTS等等。原则上这些跟Demux的框架没有关系，且每个人有有自己的处理方式，就不在这里贴出来。

第一时间获得博客更新，获得更详细信息和Demo代码，请关注微信号：程序员互动联盟，扫一扫下方二维码或者搜索微信号coder_online即可关注，我们可以在线交流。