FFmpeg 入门(2):输出视频到屏幕

本文转自:FFmpeg 入门(2):输出视频到屏幕 | www.samirchen.com

SDL

我们这里使用 SDL 来渲染视频到屏幕。SDL 是 Simple Direct Layer 的缩写,是一个优秀的跨平台多媒体库,你可以从 http://www.libsdl.org 下载 SDL 的库。

SDL 有很多可以将图像绘制都屏幕的方法,其中有一个专门用于将视频渲染到屏幕进行播放,即 YUV overlay。

YUV(其实这里叫 YCbCr 更准确)是不同于 RGB 的另一种存储原始图像数据的方式。简单来讲,Y 是表示「亮度」,U 和 V 表示「色度」,YUV 的关键是在于它的亮度信号 Y 和色度信号 U、V 是分离的。那就是说即使只有 Y 信号分量而没有 U、V 分量,我们仍然可以表示出图像,只不过图像是黑白灰度图像。在YCbCr 中 Y 是指亮度分量,Cb 指蓝色色度分量,而 Cr 指红色色度分量。

SDL 的 YUV overlay 可以接收一组 YUV 数据然后显示它。它支持 4 种不同的 YUV 格式,其中 「YV12」 是最快的。另一种 YUV 格式是 「YUV420P」也叫 「I420」,基本上和 「YV12」 是一样的,就是把 U 和 V 数组换了一下位置。

  • YV12:亮度(行×列) + U(行×列/4) + V(行×列/4)
  • I420:亮度(行×列) + V(行×列/4) + U(行×列/4)

更多 YUV420P 相关的信息,可以看这里:Chroma subsampling

这里我们要做的是将上一个教程中的 SaveFrame() 函数去掉,换成渲染视频的逻辑。这里我们需要了解下给如何使用 SDL 库,首先我们需要 include SDL 库并初始化它:

#include <SDL.h>
#include <SDL_thread.h>

if (SDL_Init(SDL_INIT_VIDEO | SDL_INIT_AUDIO | SDL_INIT_TIMER)) {
    fprintf(stderr, "Could not initialize SDL - %s\n", SDL_GetError());
    exit(1);
}

SDL_Init() 函数用来配置我们要用的功能特性,SDL_GetError() 是一个调试用的函数,用于输出错误信息。

创建显示界面

现在我们需要屏幕上的一块界面来渲染媒体视频,在 SDL 里这个界面叫做 SDL_Surface

SDL_Surface *screen = NULL;

// Make a screen to put our video.
#ifndef __DARWIN__
screen = SDL_SetVideoMode(pCodecCtx->width, pCodecCtx->height, 0, 0);
#else
screen = SDL_SetVideoMode(pCodecCtx->width, pCodecCtx->height, 24, 0);
#endif
if (!screen) {
    fprintf(stderr, "SDL: could not set video mode - exiting\n");
    exit(1);
}

上面的代码中 SDL_SetVideoMode() 函数使用我们给定的宽高创建了一块界面,其中第三个参数是表示每个像素的比特数,如果为 0 则表示使用当前的显示一样的设置。但是在 OS X 上 0 是无效的,这里在 OS X 上设为 24。

接着,我们创建 YUV overlay 来输出我们的视频,同时这里我们使用 SwsContext 来将图像转换为 YUV420 格式:

struct SwsContext *sws_ctx = NULL;  
SDL_Overlay *bmp = NULL;

// Allocate a place to put our YUV image on that screen.
bmp = SDL_CreateYUVOverlay(pCodecCtx->width, pCodecCtx->height, SDL_YV12_OVERLAY, screen);

sws_ctx = sws_getContext(pCodecCtx->width, pCodecCtx->height, pCodecCtx->pix_fmt, pCodecCtx->width, pCodecCtx->height, AV_PIX_FMT_YUV420P, SWS_BILINEAR, NULL, NULL, NULL);

如我们前面所说,用 FFmpeg 从视频中获得 YUV420P 的数据,用 SDL 支持的 YV12 来进行渲染。

显示图像

现在我们要开始显示图像了,直接来看当我们获得完整的一帧图像时的代码:这里我们要创建一个 AVFrame 并将它的 data 和 linesize 的一组指针指向 YUV overlay:

// Did we get a video frame?
if (frameFinished) {
    SDL_LockYUVOverlay(bmp);

    AVFrame pict;
    pict.data[0] = bmp->pixels[0];
    pict.data[1] = bmp->pixels[2];
    pict.data[2] = bmp->pixels[1];

    pict.linesize[0] = bmp->pitches[0];
    pict.linesize[1] = bmp->pitches[2];
    pict.linesize[2] = bmp->pitches[1];

    // Convert the image into YUV format that SDL uses.
    sws_scale(sws_ctx, (uint8_t const * const *)pFrame->data, pFrame->linesize, 0, pCodecCtx->height, pict.data, pict.linesize);

    SDL_UnlockYUVOverlay(bmp);
}

由于我们需要向 YUV overlay 写入数据,这时候我们先给它加锁。AVFrame 这个结构体的 data 数组中存储的是 4 个通道指针,可以指向不同的通道,由于我们这里处理的 YUV420P 只有 Y、Cb、Cr 这 3 个通道,所以这里只有 3 组数据。处理其他格式时可能会遇到有 4 个通道数据的,比如 alpha 通道之类的。linesize 是每个通道的数据尺寸。在 YUV overlay 中与 data 和 linesize 对应的是 pixels 和 pitches(在 SDL 里 pitches 指的是一个 line 的数据的宽度)。我们这里做的便是将 pict.data 的 3 个数组指针指向 YUV overlay 对应的数据。这样一来,当我们向 pict 中写入数据时,其实我们是写到了 YUV overlay 中,overlay 中的内存则已经是分配好了的。我们在前面通过 sws_ctx 设置了目标格式为 AV_PIX_FMT_YUV420P,接着我们用 sws_scale() 函数来完成转换。

渲染图像

接着我们要做的就是调用 SDL_DisplayYUVOverlay() 函数让 SDL 来渲染我们给它的数据,这时我们需要传入一个矩形区域数据告诉它从哪个点开始渲染,以及对应的宽度和高度。SDL 会帮我们做好缩放,并能够使用 GPU 来使图像渲染更快。

SDL_Rect rect;
if (frameFinished) {
    /* ... code ... */

    // Convert the image into YUV format that SDL uses.
    sws_scale(sws_ctx, (uint8_t const * const *)pFrame->data, pFrame->linesize, 0, pCodecCtx->height, pict.data, pict.linesize);

    SDL_UnlockYUVOverlay(bmp);

    rect.x = 0;
    rect.y = 0;
    rect.w = pCodecCtx->width;
    rect.h = pCodecCtx->height;
    SDL_DisplayYUVOverlay(bmp, &rect);
}

// Free the packet that was allocated by av_read_frame.
av_packet_unref(&packet);

到这里,我们的视频就可以显示了。

接下来,我们来看看 SDL 的另一个功能:事件系统。SDL 的事件系统使得你可以接收用户的输入,从而完成一些控制操作,在多线程编程时这个尤其有用。在这里,我们处理一个简单的 SDL_QUIT 事件,让我们可以退出程序。

SDL_Event event;

SDL_PollEvent(&event);
switch (event.type) {
    case SDL_QUIT:
        printf("SDL_QUIT\n");
        SDL_Quit();
        exit(0);
        break;
    default:
        break;
}

以上便是我们这节教程的全部内容,其中的完整代码你可以从这里获得:https://github.com/samirchen/TestFFmpeg

编译执行

你可以使用下面的命令编译它:

$ gcc -o tutorial02 tutorial02.c -lavutil -lavformat -lavcodec -lswscale -lz -lm `sdl-config --cflags --libs`

找一个视频文件,你可以这样执行一下试试:

$ tutorial02 myvideofile.mp4
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值