rtp载荷H264解包过程分析，ffmpeg解码qt展示

最新推荐文章于 2024-08-08 07:44:43 发布

土豆西瓜大芝麻

最新推荐文章于 2024-08-08 07:44:43 发布

阅读量1.7k

点赞数 3

分类专栏：数据处理文章标签：图像处理

本文链接：https://blog.csdn.net/jinking01/article/details/120483496

版权

数据处理专栏收录该内容

16 篇文章 2 订阅

订阅专栏

网络抽象层单元 (NALU)

NALU头

NALU 头由1个byte组成, 它的语法如下:
+---------------+
|0|1|2|3|4|5|6|7|
+-+-+-+-+-+-+-+-+
|F|NRI| Type |
+---------------+

F : 1 个比特. forbidden_zero_bit. 在 H.264 规范中规定了这一位必须为 0.
NRI: 2 个比特. nal_ref_idc. 取 00 ~ 11, 似乎指示这个 NALU 的重要性, 如 00 的 NALU 解码器可以丢弃它而不影响图像,不过一般情况下不太关心这个属性.
Type: 5 个比特.nal_unit_type表示这个 NALU 单元的类型.

NALU头中表示的type类型

Type取值	包类型名称
0	未定义
1-23	为NALU包，且该NALU内包含一个完整的H264帧
1	不分区，非IDR图像的片
2	片分区A
3	片分区B
4	片分区C
5	IDR图像中的片
6	补充增强信息单元（SEI）
7	SPS
8	PPS
9	序列结束
10	序列结束
11	码流借宿
12	填充
13-23	保留
24	STAP-A Single-time aggregation packet
25	STAP-B Single-time aggregation packet
26	MTAP16 Multi-time aggregation packet
27	MTAP24 Multi-time aggregation packet
28	FU-A Fragmentation unit
29	FU-B Fragmentation unit
30-31	undefined

上述type中，单个mtu中包含一个独立完整的h264帧和多个mtu组成一个单独完整的h264帧的情形比较容易见到。以下图为例，就是我们从三光吊舱拿到的payload：

因为我使用了wireshark的extract_h264插件，所以这里显示的是H.264字段，如果没有使用该插件，则显示的是RTP的payload字段。同图中可以看到FU identifier是一个字节0x3C，对应的是0011 1100，对照上述的NALU 头的解释，F位为0，NRI为01，表示重要性；type为28，表示这个包为FU-A分片单元，也说明这个是某个h264帧的一个分片，该帧需要多个分片构成分片方式为FU-A。

也就是说，一个使用RTP封装的h264的包的payload和h264的帧存在3种对应关系：

Single NAL unit packet（单NALU包）：也就是实际的NAL类型，可以理解为一个包就是一帧H264数据，这个在实际中是比较多的。
Aggregation packet （聚合包）：一包数据中含有多个H264帧，封装在Aggregation packet中的 NAL单元大小为65535字节。
- STAP-A 包内的帧含有相同的NALU-Time，没有DON；
- STAP-B 包内的帧含有相同的NALU-Time，有DON
- MTAP16 包内的帧含有不同的NALU-Time，timestamp offset = 16
- MTAP24 包内的帧含有不同的NALU-Time，timestamp offset = 24
Fragmentation unit（分片包）：一帧数据被分为多个RTP包，这也是很常见的，特别是对于关键帧。现存两个版本FU-A，FU-B。实际应用就是要加上个H264 STREAM 的头h264_stream_head = 0x00,0x00,0x00,0x01 4字节，送去解码即可。

分包规则

这里讲解上述三种情况下，h264的数据和payload的关系；

单个NAL单元包（type值为1-23）

对于 NALU 的长度小于MTU 大小的包, 一般采用单个NAL 单元模式。

一个原始的 H.264 NALU （也就是还原后的应该有的样子）单元常由 [Start Code] [NALU Header] [NALU Payload]三部分组成, 其中 Start Code 用于标示这是一个 NALU 单元的开始, 必须是 "00 00 00 01" 或 "00 00 01", NALU 头（上述的0x3C）仅一个字节, 其后都是 NALU 单元内容。

对于这样的包，在rtp打包时只是去除了 "00 00 01" 或 "00 00 00 01" 的开始码（Start Code）, 把其他数据（包括NALU header和NALU payload）封包的 RTP 包即可。

一个封装单个NAL单元包到RTP的NAL单元流的RTP序号必须符合NAL单元的解码顺序。单个NAL单元包的结构显示如图。（NAL单元的第一字节和RTP荷载头第一个字节重合）
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|F|NRI| type | |
+-+-+-+-+-+-+-+-+ |
| |
| Bytes 2..n of a Single NAL unit |
| |
| +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| :...OPTIONAL RTP padding |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

一个包就是一帧数据。h264_stream_head + NAL_unit_type... 就可以直接送去解码了（也就是对于这样的包，只需要在前面加上00 00 00 01四个字节即可）。

聚合包（24-27）

单时间聚合包（24-25）

STAP应该用于当组合在一起的NAL单元共享相同的NALU时间戳。

（1）STAP-A（24）荷载不包括DON，至少包含一个单时刻组合单元.

（2）STAP-B（25）荷载包含一个16位的无符号解码顺序号(DON) (网络字节序)紧跟至少一个单时刻组合单元.

（3）DON域指定STAP-B传输顺序中第一个NAL单元的DON值. 对每个后续出现在STAP-B中的NAL单元，它的DON值等于(STAP-B中前一个NAL的DON值+1)%65535, %是取模运算。

单时刻组合单元有一个16位无符号大小信息（网络字节序）DON，它指示后续NAL单元的大小（以字节为单位）(不包括这两个字节,但包括NAL单元类型字节)，后面紧跟NAL单元本身，包括它的NAL单元类型字节。单时刻聚合单元在RTP荷载中是字节对齐的，但是可以不是32位字边界对齐。

STAP-A：一个RTP包包含一个STAP-A。STAP包含两个单时刻组合单元：
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| RTP Header |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|STAP-A NAL HDR | NALU 1 Size | NALU 1 HDR |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| NALU 1 Data |
: :
+ +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| | NALU 2 Size | NALU 2 HDR |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| NALU 2 Data |
: :
| +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| :...OPTIONAL RTP padding |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

STAP-B：一个RTP包包含一个STAP-B. STAP包含两个单时刻组合单元：

0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| RTP Header |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
|STAP-B NAL HDR | DON | NALU 1 Size |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| NALU 1 Size | NALU 1 HDR | NALU 1 Data |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ +
: :
+ +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| | NALU 2 Size | NALU 2 HDR |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| NALU 2 Data |
: :
| +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| :...OPTIONAL RTP padding |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

看这个结构应该很清楚了，先是16位的长度，就可以得到一帧，h264_stream_head + NALU 1 HDR...送去解码。再算下一帧。需要注意的这个NALU Size 是不包括他本身这2个字节。STAP-B还要考虑DON。

多时间聚合包（26-27）

多时刻时间包的NAL单元荷载有16位的无符号解码顺序号基址(DONB) (网络字节序）以及一个或多个多时刻聚合单元，DONB 必须包含MTAP中NAL单元的第一个NAL的DON的值。

NAL解码顺序中的第一个NAL单元不必要是封装在MTAP中的第一个NAL单元

两个多时刻组合单元都有16位的无符号大小信息用于后续NAL单元(网络字节序),一个8位无符号解码序号差值(DOND), 和n位 (网络字节序) 时戳位移(TS 位移)用于本NAL单元,n可以是16/24. 不同MTAP类型的选择是应用相关的时戳位移越大, MTAP的灵活性越大, 但是负担也越大。

MTAP16/MTAP24多时刻组合单元的结构如图示。

MTAP16：
0 1 2 3
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
: NAL unit size | DOND | TS offset |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| TS offset | |
+-+-+-+-+-+-+-+-+ NAL unit |
| |
| +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| :
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

MTAP24:
0 1 2 3
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
: NALU unit size | DOND | TS offset |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| TS offset | |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ |
| NAL unit |
| +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| :
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

一个包中的组合单元的开始/结束不要求位于32位的边界。跟随NAL单元的DON 等于(DONB + DOND) % 65536, %代表取摸操作. 本文没有指定MTAP内的NAL单元如何排序，但大多数情况，应该使用NAL单元解码顺序。

时戳位移域必须设置成等于以下公式的值：如果NALU-time大于等于包的RTP时戳,则时戳位移等于(NALU-time - 包的RTP时戳).如果NALU-time小于包的RTP时戳,则时戳位移等于 NALU-time + (2^32 - 包的RTP时戳)。

（1）一个RTP包包含一个多时刻MTAP16类型的组合包，包括两个多时刻组合单元

（2）一个RTP包包含一个多时刻MTAP24类型的组合包，包括两个多时刻组合单元

看这个结构应该很清楚了，先是16位的DONB，然后是16位的长度，8位的DOND，根据DONB计算出DON，去掉时间戳（16-24bits），就可以得到一帧，h264_stream_head + NALU 1 HDR...。得到该RTP包中所有的NAL单元后，根据DON确定解码顺序。需要注意的这个NALU Size 是不包括他本身这2个字节。

分片单元 (FUs)（28-29）

当 NALU 的长度超过 MTU 时, 就必须对 NALU 单元进行分片封包，NAL单元的一个分片由整数个连续NAL单元字节组成. 每个NAL单元字节必须正好是该NAL单元一个分片的一部分。相同NAL单元的分片必须使用递增的RTP序号连续顺序发送(第一和最后分片之间没有其他的RTP包）。相似, NAL单元必须按照RTP顺序号的顺序装配。

当一个NAL单元被分片运送在分片单元(FUs)中时，被引用为分片NAL单元。STAPs,MTAP不可以被分片。 FUs不可以嵌套，即,一个FU 不可以包含另一个FU. 运送FU的RTP时戳被设置成分片NAL单元的NALU时刻.

FU-A的RTP荷载格式（上图就是这种格式）

FU-A由1字节的分片单元指示（上图的0x3C），1字节的分片单元头（上图的0x81），和分片单元荷载组成。

0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| FU indicator | FU header | |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ |
| |
| FU payload |
| |
| +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| :...OPTIONAL RTP padding |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

FU-B的RTP荷载格式

FU-B由1字节的分片单元指示，1字节的分片单元头，和解码顺序号（DON）以及分片单元荷载组成。

0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| FU indicator | FU header | DON |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| |
| FU payload |
| |
| +-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| :...OPTIONAL RTP padding |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+

对于分片NAL单元的第一个分片如果用于交错打包方式，则必须使用NAL单元类型FU-B。NAL单元类型FU-B MUST不可以用于其他情况。换句话, 在交错打包方式,每个被分片的NALU，FU-B作为第一个分片,后面跟随的是一个或多个FU-A分片。

FU指示字节（FU identifier）有以下格式：

+--------------------+
|0 |1|2 |3|4| 5|6|7|
+-+-+-+-+-+-+-+-+
|F|NRI| Type |
+--------------------+

FU指示字节的类型域（type）取值为28或29，分别表示FU-A和FU-B。NRI域的值必须根据分片NAL单元的NRI域的值设置。

FU头（FU Header）的格式如下：

+--------------------+
|0 |1|2 |3|4 |5|6|7|
+-+-+-+-+-+-+-+-+
|S|E|R| Type |
+--------------------+

S：1 表示是一帧的开始包（上图图中的0x81的第一位为1，表示一个帧的开始）
E：1 表示是一帧的结束包，和RTP marker位一致
R：0 必须

这里要注意一下，组包时，NAL unit 的头的1个字节必须自己拼装FU Indicator前3字节+ FU Header后5字节。nal_unit_type= (fu_indicator & 0xe0) | (fu_header & 0x1f)，等帧收齐了，加上H264_streaming_head + nal_unit_type....送去解码。以上图为例，fu_identifier为0x3C，即0011 1100，取其前3位为001， fu_header为0x81，即1000 0001，取其后5位为00001，拼到一起，就是0x21。事实上，我们得到的h264帧还真是这样的。如下图所示：

对比第一张图，可以看到，我们得到的h264的帧是前面加了00 00 00 01四个字节，把fu_identifier和fu_header换成了0x21，就是上面计算得到的。

下面验证一下构成一个完整h264帧的中间包和尾包的fu_header和fu_identifier是什么样子的。

上图为本文第一张图的后续，可以看到FU identifier为0x3C和第一个图一样，但FU Header为0x01，说明该包不是一个帧的开头，而是中间帧，也不是帧的结束。

上图为上述h264帧对应的多个包的最后一个，可以看到FU identifier为0x3C和第一个图一样，但FU Header为0x41，说明该包是帧的结束。

数据分析

首先看一下序列参数集sps、图像参数集pps的处理方式：

{0x80, 0x60, 0x00, 0x01, 0x05, 0xac, 0x32, 0xf8, 0x11, 0xe1, 0xa6, 0x6a, 0x67, 0x42, 0x00, 0x29,0x8d, 0x8d, 0x40, 0x3c, 0x01, 0x13, 0xf2, 0xcd, 0x41, 0x40, 0x80, 0x81, 0xe1, 0x10, 0x8d, 0xc0}

上图蓝色线圈中的区域的前12个字节为RTP头，这部分在解析H264时可以暂时不用处理，先忽略掉。后面第一个字节为0x67，PayLoadType=0x67 & 0x1F,计算后通过表1可以看到为sps,在处理这部分时只需要去掉RTP头部，在前面加上00 00 00 01四个字节后直接写入缓存。

{0x80, 0x60, 0x00, 0x02, 0x05, 0xac, 0x32, 0xf8, 0x11, 0xe1, 0xa6, 0x6a, 0x68, 0xca, 0x43, 0xc8}

同样，根据sps的分析过程，该帧为pps，处理方式与sps一样即可。

{0x80, 0x60, 0x00, 0x03, 0x05, 0xac, 0x32, 0xf8, 0x11, 0xe1, 0xa6, 0x6a, 0x7c, 0x85, 0x88, 0x80,0x00, 0x40, 0x00, 0x00, 0xa7, 0xff, 0xff, 0xc5, 0xc5, 0x00, 0x02, 0xbf, 0xc0, 0x03, 0xdb, 0x8a, 截取了一部分数据。

上面红色背景部分12字节为RTP头，后面一个字节0x7C为分片单元指示，0x85为分片单元头。

0x7C & 0x1F = 28(FU-A类型) ，FU Header为0x7C，对应二进制为0111 1100，前3位为011。

FU identifier 0x85的二进制为：1000 1001，后5位为01001。

通过分析可以看到数据包为FU-A类型，该分片是一帧的开始，而且是关键帧。在处理FU-A时，上面已经介绍了方法，再来计算一下NAL unit type= 0x7C & 0xE0 | NALType，为0x65，在组包时需要把RTP头、分片单元指示字节和分片单元头字节去掉，在前面加上0x00 0x00 0x00 0x01 0x65字节然后存入缓存即可。

{0x80, 0x60, 0x00, 0x04, 0x05, 0xac, 0x32, 0xf8, 0x11, 0xe1, 0xa6, 0x6a, 0x7c, 0x05, 0xea, 0x3f,
0x09, 0xf3, 0xda, 0x7f, 0x57, 0x7f, 0xa7, 0xf5, 0xff, 0xfb, 0xe2, 0xba, 0xdd, 0x77, 0xd2, 0xff, 截取了一部分数据。

红色部分为RTP头，后面一个字节0x7C为分片单元指示，0x05为分片单元头。

0x7C & 0x1F = 28(FU-A类型) ，0x05的二进制为：0000 1001?

通过分析可以看出该包为中间包，处理方式比较简单，去掉RTP头、分片单元指示和分片单元头，继续存入缓存中即可。

{0x80, 0xe0, 0x00, 0x2c, 0x05, 0xac, 0x32, 0xf8, 0x11, 0xe1, 0xa6, 0x6a, 0x7c, 0x45, 0x1c, 0x67,
0xba, 0x5a, 0x9a, 0x2e, 0x6a, 0x73, 0x98, 0xfa, 0x99, 0x8b, 0x86, 0x2f, 0xcf, 0xf1, 0x4c, 0x5b,截取了一部分数据。

红色部分为RTP头，后面一个字节0x7C为分片单元指示，0x45为分片单元头。

0x7C & 0x1F = 28(FU-A类型) ，0x45的二进制为：0100 1001?

通过分析可以看出该包为结束包，处理方式比较简单，去掉RTP头、分片单元指示和分片单元头，继续存入缓存中即可。

到此一帧数据提取完毕，就可以送给ffmpeg解析了。

使用ffmpeg解码H264

在使用ffmpeg解码时，需要循环接收你提取的H264数据，然后再进行解析即可。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

int pos = 0;
do
{
uint8_t *poutBuf;
int pout_len;
int len = av_parser_parse2(m_pCodecParserContext, m_pCodecContext,
&poutBuf, &pout_len, (uint8_t*)pData + pos, nLength - pos,
AV_NOPTS_VALUE, AV_NOPTS_VALUE, AV_NOPTS_VALUE);
pos += len;
if (pout_len > 0)
{
AVPacket packet;
av_init_packet(&packet);
packet.data = poutBuf;
packet.size = len ;
packet.pts = 90000/25 * Count++;
int ret = -1;
ret = avcodec_send_packet(m_pCodecContext, &packet);
if (ret < 0)
{
continue;
}
while (!ret)
{
ret = avcodec_receive_frame(m_pCodecContext, m_pSrcFrame);
if (!ret)
{
msleep(20);
int w = m_pCodecContext->width;
int h = m_pCodecContext->height;
if (m_pRGBSwsContext == NULL)
{
m_pRGBSwsContext = sws_getContext(w, h, m_pCodecContext->pix_fmt, w, h, AV_PIX_FMT_RGB32, SWS_BICUBIC, NULL, NULL, NULL);
av_image_alloc(m_pFrameRGB->data, m_pFrameRGB->linesize, w, h, AV_PIX_FMT_RGB32, 1);
}
sws_scale(m_pRGBSwsContext, (uint8_t const * const *)m_pSrcFrame->data, m_pSrcFrame->linesize, 0, h, m_pFrameRGB->data, m_pFrameRGB->linesize);
//把这个RGB数据用QImage加载
QImage tmpImg((uchar *)m_pFrameRGB->data[0], m_pCodecContext->width, m_pCodecContext->height, QImage::Format_RGB32);
QImage image = tmpImg.copy();
//把图像复制一份传递给界面显示
emit signal_sendQImage(image);
av_frame_unref(m_pSrcFrame);
}

}
}
}