FFmpeg API 之 libavcodec库

最新推荐文章于 2024-02-07 13:22:18 发布

H&A

最新推荐文章于 2024-02-07 13:22:18 发布

阅读量5k

点赞数 6

分类专栏： FFmpeg API 详解

本文链接：https://blog.csdn.net/qq_34305316/article/details/106327978

版权

FFmpeg API 详解专栏收录该内容

12 篇文章 14 订阅

订阅专栏

libavformat 库负责封装和解封装，而 libavcodec 则用于解码和编码。

类型 AVPacket 表示编码后的数据，其中包含一个或多个编码后的帧数据。类型 AVFrame 表示解码后，或者说原始的帧数据。编码和解码在某种程度来说，就是两者之间的互相转换。

1、编解码概述

FFmpeg 提供的 encode/decode API 有如下四个函数 avcodec_send_packet () / avcodec_receive_frame () / avcodec_send_frame () / avcodec_receive_packet()，它们可被分为用于输入和输出两种情况。

编解码音频和视频的 API 非常相似，其工作流程如下：

设置并打开一个 AVCodecContext
输入有效的数据：
1. 对于解码来说，调用 avcodec_send_packet() 函数，我们将压缩后的原始数据以 AVPacket 的形式传递给它
2. 对于编码来说，调用 avcodec_send_frame() 函数，我们将未压缩的音频或者视频数据以 AVFrame 的形式传递给它
在上述这两种情况中，我们建议使用 “引用计数” 的 AVPacket 和 AVFrame，否则 libavcodec 可能必须得拷贝输入数据才行。（libavformat 总是返回“引用计数”的 AVPacket，而函数 av_frame_get_buffer() 则用于分配一个“引用计数”的 AVFrames）
循环接收输出数据。也就是周期性地调用 avcodec_receive_*() 中的一个函数，然后处理它们的输出数据。
1. 对于解码来说，我们调用 avcodec_receive_frame() 。如果成功，它将会返回一个 AVFrame，其中包含了未压缩的音频或视频数据。
2. 对于编码来说，我们调用 avcodec_receive_packet() 。如果成功，它将会返回一个 AVPacket，其中包含压缩后的帧数据。
重复调用 receive 函数，直到它返回 EAGAIN 或者一个 error。返回值 EAGAIN 表示需要继续输入新的数据然后才能获取新的输出，此时，我们需要继续输入有效的数据。一般而言，每一个输入 frame/packet，都会产生一个输出 frame/packet，当然也可能是 0 个或者多个。

在编码或者解码的开始阶段，codec 可能会接收多个输入 packet/frame ，但却不返回任何数据，直到它的内部缓冲区被填满。

理论上，在没有将所有输出数据都 receive 的情况下，即内部缓冲区已满时，我们再次发送输入数据会导致 EAGAIN 发生。我们可以利用这个特点构建一种不同于上述建议的编解码循环。例如，你可以尝试在每次循环时发送新的输入数据，如果返回了 EAGAIN ，那么就去尝试获取输出数据。

在输入的数据流结束的时候，我们需要对编解码器进行 ”flush“ 操作，也就是清空编解码器中的内部缓存数据。之所要这么做，是因为出于性能或者其他需要（如对B帧进行考虑），编解码器内部可能会缓冲多个 frame 或者 packet。

那么，如何对编解码器进行 “flush” 操作：

不发送有效的输入数据，而是发送 NULL 给 avcodec_send_packet() 或 avcodec_send_frame() 函数。这样就会执行 “flush” 操作。
循环调用 avcodec_receive_frame() 或 avcodec_receive_packet() 函数，直到返回 AVERROR_EOF 错误。如果编解码器没有执行上一步的 “flush” 操作，函数会返回 AVERROR(EAGAIN) 错误。
再次恢复编码之前，我们必须使用 avcodec_flush_buffers() 函数重新设置编解码器。

FFmpeg 强烈建议按照上面的描述来使用其 API 。但是我们也可以不按照上述的严格模式来调用函数。例如，你可以重复调用 avcodec_send_packet() 函数，但却不调用 avcodec_receive_frame() ，在这种情况下，一开始的 avcodec_send_packet() 将会成功，直到编解码器的内部缓存区被填满（通常是在初始化输入后，每次输出一个帧），此时函数会返回 AVERROR(EAGAIN) 并拒绝输入，这时别无选择，只能读取一部分输出。

不是所有的编解码器都会遵循一个严格并可预测的数据流，例如输入一个packet即可解码获得一个frame，这是不被保证的。我们唯一可以保证的是：当我们调用某个 send/receive 函数时，如果该函数返回 AVERROR(EAGAIN) ，那么此时去调用对应的 send/receive 将成功，或至少不会失败（即返回 EAGAIN )，即任何情况下，总有一个会调用成功，不允许发生在同时两者调用都失败的情况。一般来说，没有解码器会允许无限缓冲的输入或输出。

上述 API 替代了如下列出的旧函数：

avcodec_decode_video2() 和 avcodec_decode_audio4()：现在，我们使用 avcodec_send_packet() 将输入提供给解码器，然后使用 avcodec_receive_frame() 接收每个数据包解码后的帧，和旧的解码API不同，现在我们可以从一个 packet 中解码生成 1 到多个 frame。你永远不需要将输入同一个 AVPacket 两次（除非返回EAGAIN，拒绝了该 packet 输入），如果重复提供了输入，相关函数也不会从 packet 中读取任何数据。此外，当我们想要进行 “flush” 操作时，也仅仅只需要一次调用即可。
avcodec_encode_video2() 和 avcodec_encode_audio2()：我们使用 avcodec_send_frame() 将输入提供给编解码器，然后使用 avcodec_receive_packet() 接受经过编码的数据包。为 avcodec_receive_packet() 提供用户分配的缓存区是不可能的。
新的 API 尚未支持处理字幕。

对同一个 AVCodecContext 混合使用新旧的API是不允许的，因为这样做会导致未定义行为。

有一部分编解码器需要使用新的API，使用旧的API会导致错误发生。所有编解码器都支持新的API。

一个 codec 不允许对 send 和 receive 函数都返回 AVERROR(EAGAIN)，最多其中一个函数可返回这个错误。否则，这将是一个无效的状态，它将导致该 codec 的用户陷入到无尽的循环中。同时 send/receive API 也没有时间的概念，也就是说发生在不同时间的，同一个函数调用（在这期间没有其他调用发生）返回的结果是一样的。API 是一个严格的状态机，仅仅时间的流逝是不会影响它的。一些依赖时间的行为在某些特定情况下可以被视为可接受的。但它决不能导致 send/receive 在同一时刻均返回 EAGAIN 错误。

2、常用类型说明

AVCodecID，枚举类型，用于描述 FFmpeg 中有哪些被注册的编解码器。

AVMediaType，枚举类型，用于描述编解码器的类型，分为 video，audio，subtitle，data，attachment 5 种类型。

AVCodec，表示一个编解码器。

AVCodecContext，表示一个编解码器上下文。

这些就是编解码中最常用到的几个类型。其中 AVCodec 和 AVCodecContext 让人有些疑惑，不知道两者的区别是什么。

AVCodec 表示一个编解码器，它更多的表示了编解码器的共有特性，是对该编解码器的一个描述，它不是可以实际参与编解码的类型。而 AVCodecContext 则表示一个编解码器上下文，它实际参与编解码，它的字段中保存了当前实际的相关参数，当然也包含了一个 AVCodec 的实例。

通俗的说，libx264 是一个编解码器，那么其相关的 AVCodec 就用于描述这个编解码的特征，如有那些特征，那些属性，以及最重要的具体的编解码函数等等，但它只是描述，并没有具体的保存这些值，不能实际参与编解码。而AVCodecContext 则是具体保存这些值的类型，它们可以实际被使用。

在 FFmpeg 中我们可以看到，实际参与代码的都是 context 类型，这也算是一个可以理解代码的小知识点。

2.1、codec

AVCodec，表示一个编解码器，在 FFmpeg 中每一个 codec 都是被提前注册好的，它们都被分配了一个独立的ID（使用AVCodecID表示），名称等，是相对固定的结构，我们对它的操作不多，就现在看来，仅有一条：找到正确的 codec。

第一种情况：知道要用的 codec 类型，也就是知道 ID 和 name，然后获取对应的 codec。我们可以根据以下的函数直接获取 codec：

AVCodec *avcodec_find_decoder(enum AVCodecID id);
AVCodec *avcodec_find_decoder_by_name(const char *name);
AVCodec *avcodec_find_encoder(enum AVCodecID id);
AVCodec *avcodec_find_encoder_by_name(const char *name);

第二种情况：根据 AVStream 中的数据分析出实际的 codec ，然后获取对应的 codec 。在打开一个输入后，我们可以通过 AVFormatContext.stream 获取到打开的 stream，再通过 AVStream.codepar 或 AVStream.codec 就可以直接获取到 codec 或者其 ID，然后再通过上述函数就可以获取到正确的 codec 。

当我们获取到 codec 之后，我们还不能直接使用这个 codec ，我们通过 codec context 来使用与之关联的 codec 。首先需要分配一个 codec 对应的 codec context，然后打开这个codec context，之后就可以使用这个 codec context 了。

2.2、codec context

首先，我们使用 avcodec_alloc_context3() 来分配一个 AVCodecContext 结构体，然后再使用 avcodec_open2() 函数打开这个 AVCodecContext。注意：codec context 是为了使用对应的 codec，因此调用这两个函数时，传入的 codec 必须是同一个有效的 codec。

codec context 最基本的两个功能就是解码和编码，也就是 send/receive 函数对，如何使用请参照之前关于编解码的描述。

以下是codec context 的相关 API：

AVCodecContext *avcodec_alloc_context3(const AVCodec *codec);

/*
    分配一个 codec context，并将其字段设置为默认值。生成的对象在使用完后，必须使用 avcodec_free_context() 函数释放掉。

    参数codec：如果非NULL，该函数为会为指定的codec分配其私有数据并默认初始化。
              如果是NULL，那么就不会初始化codec特定的相关默认值，这可能会导致其默认设置不合格或不正确（这主要对于encoder比较重要，如 libx264）

    返回值：成功返回一个 codec context，其字段被初始化为默认值；失败返回NULL。
*/

void avcodec_free_context(AVCodecContext **avctx);

/*
    释放 codec context 以及与之关联的所有内容，然后将提供的指针置为NULL。
 */

int avcodec_open2(AVCodecContext *avctx, const AVCodec *codec, AVDictionary **options);

/*
    使用给定的 AVCodec 来初始化 AVCodecContext 。对AVCodecContext使用这个函数之前，
 必须使用 avcodec_alloc_context3() 来分配该AVCodecContext。 
 
    注意：在实际进行解码流程之前（如 avcodec_receive_frame()），必须要调用本函数。

    代码示例：
 * avcodec_register_all();
 * av_dict_set(&opts, "b", "2.5M", 0);
 * codec = avcodec_find_decoder(AV_CODEC_ID_H264);
 * if (!codec)
 *     exit(1);
 *
 * context = avcodec_alloc_context3(codec);
 *
 * if (avcodec_open2(context, codec, opts) < 0)
 *     exit(1);

				  
     参数avctx：要被初始化的 AVCodecContext
     参数codec：要使用的 AVCodec ，这里打开一个与之相关的 codec context 就是为了使用这个 codec。
    如果在前面的代码中，如果已经传递了一个非空的 AVCodec 给 avcodec_alloc_context3() 而分配了 AVCodecContext，
    也就是第一个参数 avctx，那么此时这个参数必须是NULL或者就是之前同一个 AVCodec
     参数options：一个 dictionary，用于传递编解码器的共有和私有选项。在返回时，这个对象将会被传入后那些未被发现的options充满，
    即被使用的选项被会删除，未被使用的则留了下来。
 
    返回值：成功返回0，失败返回一个负的错误值
 */

int avcodec_parameters_to_context(AVCodecContext *codec,
                                  const AVCodecParameters *par);

/*
     根据传入的 codec parameter 中的值，填充 codec context。在 codec context中凡是可以对应到 par 中的字段，通通一律释放，
    然后按照 par 中的值重新填充这些字段。而 codec context 中凡是没有定义的字段则不会被修改。

    返回值：成功，返回值大于等于0，失败则返回一个负值 AVERROR。
 */

int avcodec_send_frame(AVCodecContext *avctx, const AVFrame *frame);

int avcodec_receive_packet(AVCodecContext *avctx, AVPacket *avpkt);

int avcodec_send_packet(AVCodecContext *avctx, const AVPacket *avpkt);

int avcodec_receive_frame(AVCodecContext *avctx, AVFrame *frame);

/*
    这四个函数不必多少，请参考上面介绍编解码流程的章节，其中有详细描述。
*/

int avcodec_decode_video2(AVCodecContext *avctx, AVFrame *picture,
                         int *got_picture_ptr,
                         const AVPacket *avpkt);
                         
/*
    解码视频帧，即将 AVPacket 解码为 AVFrame。
    将 avpkt->data 指向的，大小为 avpkt->size 的已编码数据，解码到 picture 中。有些编码器可能会存在一个 AVPacket 中有多个 frame 的情况，
    此时本函数仅解码其中的第一个帧。此时返回值（消耗掉的字节数）会小于 avpkt->size。此我们应该再次调用本函数，传入含有上次 packet 中剩余数据的 AVPacket 去解码第二个帧，依次类推。
    即使没有 frame 返回，但相关的数据已经传入 decoder 中，我们只需要继续传入数据使其可以完整解码或者报错为止。


    警告：输入的 AVPacket 中的数据必须大于 AV_INPUT_BUFFER_PADDING_SIZE。
    警告：输入数据的末尾应该被设置为 0 值，以防止损坏的 MPEG 流发生过读。
 
    事实上，输入的数据应该为 inbuf+AV_INPUT_BUFFER_PADDING_SIZE 长度的缓冲区，其中 inbuf 部分为我们实际的输入，即上面的警告1.
    而  AV_INPUT_BUFFER_PADDING_SIZE 部分应该全部置为 0，即警告2.
 	
    警告：在解码的末尾，需要进行 flush 操作，以便读取剩余的 frame。所谓 flush 操作，就是将一个 avpkt->data = NULL,avpkt->size = 0 的 packet 传入本函数。

    参数 picture：我们将解码后的帧保存到这个参数里。注意，picture 在这里不需要自己分配空间，编解码器会为它分配所需的空间。
    我们知道 frame 是通过引用来保存相关数据的，如果 AVCodecContext.refcounted_frames 被设置为1，那么相关引用所有权归属调用者，所以在使用完之后，必须调用 av_frame_unref() 释放它。
    如果 AVCodecContext.refcounted_frames 被设置为0，那么返回的引用其所有权属于编解码器，其有效期直到下次调用这个函数或者关闭编解码器或者flush该编解码为止。

    参数 got_picture_ptr：返回被解码的帧数，当然由于本函数最多只解码 1 帧，因此只能返回 0 和 1。
 
    返回值：失败返回负的 error 值。成功返回消耗的字节数，如果没有解码任何帧，则返回0.
*/

int avcodec_decode_audio4(AVCodecContext *avctx, AVFrame *frame,
                          int *got_frame_ptr, const AVPacket *avpkt);

/*
    解码音频帧。
 	
    详情与 avcodec_decode_video2() 完全相同，不再赘述。
 */

3、解码前的分包操作

在一般的解码流程中，我们调用 av_read_frame() 从 format context 直接获取到了 packet，并没有涉及到从一个字节流中如何分包为一个 packet 的过程。当然，在一般情况下，我们也不需要关心是如何分包的，但有些时候，可能会需要对相关细节做一定的修改，因此，我们对这一部分做一个了解。

我们使用 AVCodecParserContext 结构体来完成分包，它表示一个 codec 相关的 parser，也就是它知道如何解析输入的字节流。

分包的过程其实非常简单：

调用 av_parser_init() 函数，返回一个指定 codec 类型的 parser context；或者调用 av_stream_get_parser() 根据一个 AVStream 来返回其 codec 相关的 parser context。
调用 av_parser_parse2() 函数进行分包
处理完输入后，调用 av_parser_close() 释放 parser context 。

官方示例 decode_audio.c 中展示了分包的过程。

以下是其相关API：

AVCodecParserContext *av_parser_init(int codec_id);

/*
	使用 ID 初始化一个 codec parser context。
*/

struct AVCodecParserContext *av_stream_get_parser(const AVStream *s);

/*
	使用 stream 初始化一个 codec parser context。
*/

int av_parser_parse2(AVCodecParserContext *s,
                     AVCodecContext *avctx,
                     uint8_t **poutbuf, int *poutbuf_size,
                     const uint8_t *buf, int buf_size,
                     int64_t pts, int64_t dts,
                     int64_t pos);

/**
 * Parse a packet.
 
    根据输入的字节流数据 buf 和 buf_size 解析生成 AVPacket 数据，生成的数据会保存在 poutbuf 和 poutbuf_size 中，一般会在后续将其保存在 AVPacket 中，或者在调用时，直接传入AVPacket.data 和AVPacket.size。
 
 
     参数 s		: codec parser context
     参数 avctx		: codec context
     参数 poutbuf	：输出参数，指向保存解析后数据的缓冲，如果尚未有解析完成的数据，则传入NULL
     参数 poutbuf_size  : 输出参数，保存解析完成的数据的大小，如果尚未有解析完成的数据，则传入0
     参数 buf		：输入缓冲
     参数 buf_size	: 没有 padding 的缓冲字节大小。即，整个缓冲 buf 的大小应该是 
					buf_size + AV_INPUT_BUFFER_PADDING_SIZE。
                        为了通知输入的EOF，这个值应该为0，这样才能将最后一帧输出
     参数 pts		：输入显示时间戳
     参数 dts		：输入解码时间戳
     参数 pos		：流中的输入字节位置

     返回值：返回已经使用的输入位流中的字节量

 * 示例：
 *   while(in_len){
 *       len = av_parser_parse2(myparser, AVCodecContext, &data, &size,
 *                                        in_data, in_len,
 *                                        pts, dts, pos);
 *       in_data += len;
 *       in_len  -= len;
 *
 *       if(size)
 *          decode_frame(data, size);
 *   }
 */

void av_parser_close(AVCodecParserContext *s);

/*
    关闭 parser context。
*/

H&A

关注

6
点赞
踩
16

收藏

觉得还不错? 一键收藏
0
评论
FFmpeg API 之 libavcodec库

libavformat 库负责封装和解封装，而 libavcodec 则用于解码和编码。类型 AVPacket 表示编码后的数据，其中包含一个或多个编码后的帧数据。类型 AVFrame 表示解码后，或者说原始的帧数据。编码和解码在某种程度来说，就是两者之间的互相转换。1、编解码概述FFmpeg 提供的 encode/decode API 有如下四个函数 avcodec_send_packet () / avcodec_receive_frame () / avcodec_send_fram.
复制链接

扫一扫