x264 ffmpeg编解码参数笔记

X264 ffmpeg

1、码率：
码流（Data Rate），是指视频文件在单位时间内使用的数据流量

三种可选的码率控制方法(bitrate, CQP，CRF), 选择的顺序是 bitrate > QP > CRF
QP是固定量化参数，bitrate是固定文件大小，crf则是固定“质量”，abr(ABR平均码率，VBR是动态码率。CBR是静态码率。)，crf（限制码率），cqp（固定质量）
–qp, –bitrate, –crf
X264_RC_CQP 动态比特率
X264_RC_CRF 恒定比特率
X264_RC_ABR 平均比特率

480P分辨率仅需1-2M的码率即可达到远超AVI格式的画质，一部电影大小仅为1G；720P分辨率也只需要3-4M码率和2-3G的体积
720P ，码流大约在2到4或者5M；
1080P 大约在4到8M

高码率编码（如下 中码率 = 高码率/2, 极高码率 = 高码率*2，低码率 = 中码率/2
480P –> 250kbps 720P –> 500kbps 1080P –> 1mps 极低码率
480P –> 500kbps 720P –> 1mbps 1080P –> 2mps 低码率
480P –> 1mbps 720P –> 2mbps 1080P –> 4mps 中码率
480P –> 2mbps 720P –> 4mbps 1080P –> 8mps 高码率
480P –> 4mbps 720P –> 8mbps 1080P –> 16mps 极高码率
通常高编码码率：
480P 720X480 1800Kbps
720P 1280X720 3500Kbps
1080P 1920X1080 8500Kbps

ffmpeg中编码器参数设定：

1.如果设置了AVCodecContext中bit_rate的大小，则采用abr的控制方式；
2.如果没有设置AVCodecContext中的bit_rate，则默认按照crf方式编码，crf默认大小为23（此值类似于qp值，同样表示视频质量）；
3.如果用户想自己设置，则需要借助av_opt_set函数设置AVCodecContext的priv_data参数。下面给出三种控制方式的实现代码：
int bpsValue; //码流控制方式的对应值
int bpsMode; //码流控制方式，0表示平均码率(abr)，1表示固定码率(crf)，2表示固定质量（cqp）
AVCodecContext* pCodecCtx;
…….

//码率控制方式
string modeValue = int2String(bpsValue);
switch (bpsMode) {
case 0:
pCodecCtx->bit_rate = bpsValue*1000;
break;
case 1:
av_opt_set(pCodecCtx->priv_data,”crf”,modeValue.c_str(),AV_OPT_SEARCH_CHILDREN);
break;
case 2:
av_opt_set(pCodecCtx->priv_data,”qp”,modeValue.c_str(),AV_OPT_SEARCH_CHILDREN);
break;
default:
pCodecCtx->bit_rate = bpsValue;
break;
}

ffmpeg中VBR（可变率控制）的设置：
c->flags |= CODEC_FLAG_QSCALE;
c->rc_min_rate =min;
c->rc_max_rate = max;
c->bit_rate = br;

ffmpeg中CBR（固定码率控制）的设置：
c->bit_rate = br;
c->rc_min_rate =br;
c->rc_max_rate = br;
c->bit_rate_tolerance = br;
c->rc_buffer_size=br;
c->rc_initial_buffer_occupancy = c->rc_buffer_size*3/4;
c->rc_buffer_aggressivity= (float)1.0;
c->rc_initial_cplx= 0.5;

  //AVCodecContext 相当于虚基类，需要用具体的编码器实现来给他赋值
    pCodecCtxEnc = video_st->codec;

    //编码器的ID号，这里我们自行指定为264编码器，实际上也可以根据video_st里的codecID 参数赋值
    pCodecCtxEnc->codec_id = AV_CODEC_ID_H264;

    //编码器编码的数据类型
    pCodecCtxEnc->codec_type = AVMEDIA_TYPE_VIDEO;

    //目标的码率，即采样的码率；显然，采样码率越大，视频大小越大
    pCodecCtxEnc->bit_rate = 200000;

    //固定允许的码率误差，数值越大，视频越小
    pCodecCtxEnc->bit_rate_tolerance = 4000000;

    //编码目标的视频帧大小，以像素为单位
    pCodecCtxEnc->width = 640;
    pCodecCtxEnc->height = 480;

    //帧率的基本单位，我们用分数来表示，
    //用分数来表示的原因是，有很多视频的帧率是带小数的eg：NTSC 使用的帧率是29.97
    pCodecCtxEnc->time_base.den = 30;
    pCodecCtxEnc->time_base = (AVRational){1,25};
    pCodecCtxEnc->time_base.num = 1;

    //像素的格式，也就是说采用什么样的色彩空间来表明一个像素点
    pCodecCtxEnc->pix_fmt = PIX_FMT_YUV420P;

    //每250帧插入1个I帧，I帧越少，视频越小

    [cpp] view plain copy
    pCodecCtxEnc->gop_size = 250;

    //两个非B帧之间允许出现多少个B帧数
    //设置0表示不使用B帧
    //b 帧越多，图片越小
    pCodecCtxEnc->max_b_frames = 0;

    //运动估计
    pCodecCtxEnc->pre_me = 2;

    //设置最小和最大拉格朗日乘数
    //拉格朗日乘数 是统计学用来检测瞬间平均值的一种方法
    pCodecCtxEnc->lmin = 1;
    pCodecCtxEnc->lmax = 5;

    //最大和最小量化系数
    pCodecCtxEnc->qmin = 10;
    pCodecCtxEnc->qmax = 50;

    //因为我们的量化系数q是在qmin和qmax之间浮动的，
    //qblur表示这种浮动变化的变化程度，取值范围0.0～1.0，取0表示不削减
    pCodecCtxEnc->qblur = 0.0;

    //空间复杂度的masking力度，取值范围 0.0-1.0
    pCodecCtxEnc->spatial_cplx_masking = 0.3;

    //运动场景预判功能的力度，数值越大编码时间越长
    pCodecCtxEnc->me_pre_cmp = 2;

    //采用（qmin/qmax的比值来控制码率，1表示局部采用此方法，）
    pCodecCtxEnc->rc_qsquish = 1;

    //设置 i帧、p帧与B帧之间的量化系数q比例因子，这个值越大，B帧越不清楚
    //B帧量化系数 = 前一个P帧的量化系数q * b_quant_factor + b_quant_offset
    pCodecCtxEnc->b_quant_factor = 1.25;

    //i帧、p帧与B帧的量化系数便宜量，便宜越大，B帧越不清楚
    pCodecCtxEnc->b_quant_offset = 1.25;

    //p和i的量化系数比例因子，越接近1，P帧越清楚
    //p的量化系数 = I帧的量化系数 * i_quant_factor + i_quant_offset
    pCodecCtxEnc->i_quant_factor = 0.8;
    pCodecCtxEnc->i_quant_offset = 0.0;

    //码率控制测率，宏定义，查API
    pCodecCtxEnc->rc_strategy = 2;

    //b帧的生成策略
    pCodecCtxEnc->b_frame_strategy = 0;

    //消除亮度和色度门限
    pCodecCtxEnc->luma_elim_threshold = 0;
    pCodecCtxEnc->chroma_elim_threshold = 0;

    //DCT变换算法的设置，有7种设置，这个算法的设置是根据不同的CPU指令集来优化的取值范围在0-7之间
    pCodecCtxEnc->dct_algo = 0;

    //这两个参数表示对过亮或过暗的场景作masking的力度，0表示不作
    pCodecCtxEnc->lumi_masking = 0.0;
    pCodecCtxEnc->dark_masking = 0.0;

x264编码时延问题：
a:
avcodec_encode_video2函数输出的延时仅仅跟max_b_frames的设置有关，进行实时编码，将max_b_frames设置为0便没有编码延时了

b：使用264的API设置编码速度
// ultrafast,superfast, veryfast, faster, fast, medium slow, slower, veryslow, placebo.　这是x264编码速度的选项
av_opt_set(m_context->priv_data,”preset”,”ultrafast”,0);

2、ffmpeg中的时间单位

AV_TIME_BASE
ffmpeg中的内部计时单位（时间基），ffmepg中的所有时间都是于它为一个单位，
比如AVStream中的duration即以为着这个流的长度为duration个AV_TIME_BASE。AV_TIME_BASE定义为：

#define         AV_TIME_BASE   1000000

AV_TIME_BASE_Q
ffmpeg内部时间基的分数表示，实际上它是AV_TIME_BASE的倒数。从它的定义能很清楚的看到这点：

#define         AV_TIME_BASE_Q   (AVRational){1, AV_TIME_BASE}

AVRatioal的定义如下：

typedef struct AVRational{
int num; //numerator
int den; //denominator
} AVRational;

ffmpeg提供了一个把AVRatioal结构转换成double的函数：

static inline double av_q2d(AVRational a)｛
//Convert rational to double.
//@param a rational to convert
    return a.num / (double) a.den;
}

现在可以根据pts来计算一桢在整个视频中的时间位置：
timestamp(秒) = pts * av_q2d(st->time_base)

计算视频长度的方法：
time(秒) = st->duration * av_q2d(st->time_base)这里的st是一个AVStream对象指针。

时间基转换公式
timestamp(ffmpeg内部时间戳) = AV_TIME_BASE * time(秒)
time(秒) = AV_TIME_BASE_Q * timestamp(ffmpeg内部时间戳)
所以当需要把视频跳转到N秒的时候可以使用下面的方法：

int64_t timestamp = N * AV_TIME_BASE;
2
av_seek_frame(fmtctx, index_of_video, timestamp, AVSEEK_FLAG_BACKWARD);

ffmpeg同样为我们提供了不同时间基之间的转换函数：
int64_t av_rescale_q(int64_t a, AVRational bq, AVRational cq)
这个函数的作用是计算a * bq / cq，来把时间戳从一个时基调整到另外一个时基。在进行时基转换的时候，
我们应该首选这个函数，因为它可以避免溢出的情况发生。

1. 视频时间戳
   pkt.pts= inc++ *(1000/fps); 其中inc是一个静态的，初始值为0，每次打完时间戳inc加1.
   ffmpeg代码：
   pkt.pts= m_nVideoTimeStamp++ * (pctx->time_base.num * 1000 / pctx->time_base.den);

2. 音频时间戳
   pts = inc++ * (frame_size * 1000 / sample_rate)
   ffmpeg代码：
   pkt.pts= m_nAudioTimeStamp++ * (m_ACtx->frame_size * 1000 / m_ACtx->sample_rate);

采样频率是指将模拟声音波形进行数字化时，每秒钟抽取声波幅度样本的次数。

调用av_rescale_q(pts, timebase1, timebase2)或者av_rescale_q_rnd(pts, timebase1, timebase2, XX)时，其实就是按照下面的公式计算：
x = pts * (timebase1.num / timebase1.den )* (timebase2.den / timebase2.num); //这个x就是转换后的时间戳。