【AVD】【转载翻译】NVDEC_VideoDecoder_API_ProgGuide

最新推荐文章于 2023-11-30 16:07:32 发布
最新推荐文章于 2023-11-30 16:07:32 发布
阅读量912 收藏
点赞数
分类专栏： AVD 文章标签： 音视频 视频编解码
原文链接：https://blog.csdn.net/qq_18998145/article/details/108535188
版权

版权声明：本文为CSDN博主「LIEYz」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_18998145/article/details/108535188

概述

从 NVIDIA® Fermi™ 一代开始，英伟达GPU包含一个视频解码器引擎（本文中简称NVDEC），它提供全硬件加速解码视频的能力。NVDEC能解码许多码流格式： H.264, HEVC (H.265), VP8, VP9, MPEG-1, MPEG-2, MPEG-4 and VC-1. NVDEC运行完全独立于计算/图像引擎。

英伟达提供编程NVDEC的软件API和库。这套软件API，以下称为NVDECODE API，它使开发者能访问NVDEC的解码特性，并且能让NVDEC与GPU上的其它引擎交互。

NVDEC解码压缩的视频流，然后复制解码后的YUV帧到显存，因此CUDA可以后续处理位于显存中的YUV帧。对于大多数流行的输出视频格式，NVDECODE API 也提供一些常用的CUDA优化的后处理，比如缩放、裁剪、宽高比转换、反交错和色彩空间转换。

解码后的视频帧可以传递给显示器播放，直接传给NVENC进行高性能视频转码，用于GPU加速的推理，通过CUDA或者基于CPU后续处理。

NVDECODE API 支持的解码格式如下：
‣ MPEG-1,
‣ MPEG-2,
‣ MPEG4,
‣ VC-1,
‣ H.264 (AVCHD) (8 bit),
‣ H.265 (HEVC) (8bit, 10 bit and 12 bit),
‣ VP8,
‣ VP9(8bit, 10 bit and 12 bit),
‣ Hybrid (CUDA + CPU) JPEG

视频解码能力

下表展示每种GPU架构支持的解码格式和视频解码能力。
在这里插入图片描述
[1] 只支持 GP104, Turing 和 GA100
[2] GP10x GPUs 支持 VP9 10-bit 和 12-bit 解码

视频解码管道

解码管道包含三个主要的组件：解封装器，视频解析器，视频解码器。每个组件互不依赖因此能独立使用。NVDECODE API提供英伟达视频解析器和英伟达视频解码器API。英伟达视频解析器是一个纯软件组件，用户可以用自己的插件替换（比如ffmpeg解析器）。
在这里插入图片描述
使用NVDECODE API 解码视频的步骤大致如下：

  1. 建一个CUDA上下文。
  2. 查询硬件解码器的解码能力。
  3. 创建解码器实例。
  4. 解封装，这个可以使用第三方软件，如FFMPEG。
  5. 使用NVDECODE API 提供的解析器提取视频流，或者第三方解析器如FFMPEG。
  6. 使用NVDECODE API 开始解码。
  7. 获得解码后的YUV数据，用于后续处理。
  8. 查询解码帧的状态。
  9. 根据解码帧的状态，使用解码后的输出进行后续处理，比如：渲染，推理，后加工等。
  10. 如果应用程序需要显示解码后的输出：
    将解码后的YUV 转换为RGBA
    映射RGBA 到 DirectX or OpenGL 纹理
    在屏幕上绘制纹理
  11. 完成解码过程后销毁解码器实例 。
  12. 销毁CUDA上下文。

使用英伟达视频解码器

所有的 NVDECODE APIs 声明在两个头文件中： cuviddec.h 和 nvcuvid.h。这些头文件存放在Video Codec SDK中的 …\Samples\NvCodec\NvDecoder 目录下。 NVIDIA Video Codec SDK 中的示例静态加载库函数，在源文件中包含cuviddec.h 和nvcuvid.h ，SDK包中包含静态库文件。windows 动态库nvcuvid.dll 包含在windows显卡驱动中，linux 动态库libnvcuvid.so 则包含在linux显卡驱动中。

视频解析器

创建解析器

填充好 CUVIDPARSERPARAMS 结构体后，通过调用 cuvidCreateVideoParser() 可以创建解析器对象。这个结构体应该填充好以下关于需要解码的流的信息。

  • CodecType ：必须取值于 enum cudaVideoCodec，指示解码的类型，比如 H.264, HEVC, VP9等

  • ulMaxNumDecodeSurfaces：这是解析器的解码图片缓存的表面数量。这个值在解析器初始化时可能不知道，在创建解析器对象时可以预先设置成1. 应用必须向驱动注册一个回调函数 pfnSequenceCallback，当解析器遇到第一个序列头或者这个序列发生了任何变化时会回调这个函数。这个回调函数通过参数 CUVIDEOFORMAT::min_num_decode_surfaces 报告为了正确解码，解析器的解码图片缓存需要的最小的表面数量。如果想更新 CUVIDPARSERPARAMS::ulMaxNumDecodeSurfaces ，这个序列回调函数可能返回这个值给解析器，如果这个值大于1，解析器可以使用这个值重新设置 CUVIDPARSERPARAMS::ulMaxNumDecodeSurfaces 。因此，为了内存分配优化，解码器对象创建时使用的缓存数量，应该使用： CUVIDDECODECREATEINFO::ulNumDecodeSurfaces = CUVIDPARSERPARAMS::ulMaxNumDecodeSurfaces.

  • ulMaxDisplayDelay：调用显示回调函数延迟。0代表没有延迟

  • pfnSequenceCallback ： 应用必须注册一个回调函数序列改变的情况。当解析器初始化序列头或者视频格式改变时，触发这个回调函数。序列回调函数的返回值由驱动程序解释如下：

    • 0：失败
    • 1：成功，但是不应该重新设置CUVIDPARSERPARAMS::ulMaxNumDecodeSurfaces
    • > 1 ： 成功，应该使用返回的值重新设置CUVIDPARSERPARAMS::ulMaxNumDecodeSurfaces

  • pfnDecodePicture ： 当一帧的码流数据准备好时，解析器触发这个回调函数。对于奇偶场的图片，因为两个场组成一帧，每一次显示回调会有两次解码回调。这个回调函数的返回值解释如下：

    • 0 ： failed
    • >= 1 ：成功
      pfnDisplayPicture ： 当一帧按显示顺序准备就绪时，解析器调用这个函数。返回值同上。
提取数据包

从解封装器中提取的数据包使用 cuvidParseVideoData() 函数传递给解析器，与此同时，当序列发生改变或者一帧画面已准备好解码或显示时，解析器触发创建解析器对象时注册的回调函数。

解码后数据通过一个 CUVIDPICPARAMS 里的图片索引绑定，它由解析器提供。这个图片索引后续用于将解码帧映射到CUDA内存。

销毁解析器

用户需要调用 cuvidDestroyVideoParser() 函数销毁解析器对象以及释放所有分配的资源。

视频解码器

查询解码能力

如表1所示，不同的GPU包含不同的能力. 因此，为了确保你的应用能在所有的GPU硬件上运行，很有必要查询硬件能力，然后根据所需的能力是否满足进行合适的操作。

API cuvidGetDecoderCaps() 让用户能够查询底层硬件视频的解码能力。进行调用的线程应该有一个有效的CUDA上下文与之绑定。

客户端在调用 cuvidGetDecoderCaps() 之前应该填充以下参数。

‣ eCodecType: Codec type (H.264, HEVC, VP9, JPEG etc.)
‣ eChromaFormat: 4:2:0, 4:4:4, etc.
‣ nBitDepthMinus8: 0 for 8-bit, 2 for 10-bit, 4 for 12-bit

当 cuvidGetDecoderCaps() 调用后，底层驱动填充 CUVIDDECODECAPS 的剩余字段，显示对于查询的能力的支持情况。

示例：

// set IN params for decodeCaps
decodeCaps.eCodecType = cudaVideoCodec_HEVC;//HEVC 
decodeCaps.eChromaFormat = cudaVideoChromaFormat_420;//YUV 4:2:0
decodeCaps.nBitDepthMinus8 = 2;// 10 bit
result = cuvidGetDecoderCaps(&decodeCaps);

// Check if content is supported
if (!decodecaps.bIsSupported){
 NVDEC_THROW_ERROR(Codec not supported on this GPU",
 CUDA_ERROR_NOT_SUPPORTED);
}
// validate the content resolution supported on underlying hardware
if ((coded_width > decodecaps.nMaxWidth) ||
 (coded_height > decodecaps.nMaxHeight)){
 NVDEC_THROW_ERROR(Resolution not supported on this GPU",
 CUDA_ERROR_NOT_SUPPORTED);
}
// Max supported macroblock count CodedWidth*CodedHeight/256 must be <= nMaxMBCount
if ((coded_width>>4)*(coded_height>>4) > decodecaps.nMaxMBCount){
 NVDEC_THROW_ERROR(MBCount not supported on this GPU",
CUDA_ERROR_NOT_SUPPORTED);
}

// Check supported output format
if (decodecaps.nOutputFormatMask & (1<<cudaVideoSurfaceFormat_NV12)){
 // Decoder supports output surface format NV12
}
if (decodecaps.nOutputFormatMask & (1<<cudaVideoSurfaceFormat_P010){
 // Decoder supports output surface format P010
}
创建解码器

在创建解码器示例之前，用户需要一个有效的CUDA上下文，它将在整个解码过程中使用。

在填充 CUVIDDECODECREATEINFO 结构体后，通过调用 cuvidCreateDecoder() 创建解码器实例。CUVIDDECODECREATEINFO 应该填充以下关于需要解码的流的信息：

  • CodecType ：必须取值于 enum cudaVideoCodec，指示解码的类型，比如 H.264, HEVC, VP9等
  • ulWidth, ulHeight ： 编码的宽和高，使用像素单位
  • ulMaxWidth, ulMaxHeight ： 解码器支持的最大宽高，当视频流的分辨率发生改变，并且不超过（ulMaxWidth, ulMaxHeight ），app 可以 cuvidReconfigureDecoder() API 重新配置解码器，而不必销毁再重新创建解码器。如果 ulMaxWidth 或 ulMaxHeight 设置为0，ulMaxWidth 和 ulMaxHeight 会分别设置为 ulWidth 和 ulHeight.
  • ChromaFormat：必须取值于 enum cudaVideoChromaFormat ，它代表色彩格式 4:2:0, 4:4:4,等
  • bitDepthMinus8 ： 视频流的位宽减去8，例如0代表8位，2代表10位。
  • ulNumDecodeSurfaces ： 正如本文中其它地方提到的解码表面，这是驱动为了保存解码帧内部分配的解码表面数量。更大的数字可以提供更好的流水线但会增大GPU内存消耗。CUVIDEOFORMAT::min_num_decode_surfaces 中定义了最小的数字，可以从英伟达解析器的第一次序列回调函数中获取。NVDEC引擎将解码后的数据写入这些表面。用户无法通过 NVDECODE API 访问这些表面，但是映射阶段，包括解码器格式转换，缩放，裁剪等，使用这些表面作为输入。
  • ulNumOutputSurfaces ： 这是客户端为了进行后续处理使用 cuvidMapVideoFrame().同步映射解码表面的输出表面数量。这些表面将解码后表面进行后续处理后提供给客户端使用。驱动内部分配相应数量的表面（以下本文中指输出表面），客户端可以访问输出表面。
  • OutputFormat：输出表面的格式定义在 enum cudaVideoSurfaceFormat，输出表面的格式必须是通过 cuvidGetDecoderCaps() 获取的 decodecaps.nOutputFormatMask 里支持的格式之一。如果传递的格式不支持，API会报错 CUDA_ERROR_NOT_SUPPORTED
  • ulTargetWidth, ulTargetHeight ： 输出表面的宽高，如果不涉及缩放，这两个值应该分别设置为ulWidth, ulHeight
  • DeinterlaceMode ： 对于逐行扫面的画面，这个值应该设置成 cudaVideoDeinterlaceMode_Weave 或 cudaVideoDeinterlaceMode_Bob。对于交错模式，设置成 cudaVideoDeinterlaceMode_Adaptive，cudaVideoDeinterlaceMode_Adaptive 质量更高但是内存消耗也更大。
  • ulCreationFlags ： 定义在 enum cudaVideoCreateFlags，它是可选参数，如果没有定义，驱动会选择适合的模式。
  • ulIntraDecodeOnly ： 设置为1指示驱动，数据只包含I/IDR帧，这个参数帮助优化内存消耗。如果包含非I帧不要设置此参数。

cuvidCreateDecoder() 使用解码器句柄填充 CUvideodecoder，在整个解码器会话期间，该句柄应该一直保留。该句柄需要被其它 NVDECODE API调用传递。

用户可以指定 CUVIDDECODECREATEINFO 中的下列参数控制最终输出：

  • 缩放尺寸
  • 裁剪尺寸
  • 宽高比
    示例：
// Scaling. Source size is 1280x960. Scale to 1920x1080.
CUresult rResult;
unsigned int uScaleW, uScaleH;
uScaleW = 1920;
uScaleH = 1080;
...
CUVIDDECODECREATEINFO stDecodeCreateInfo;
memset(&stDecodeCreateInfo, 0, sizeof(CUVIDDECODECREATEINFO));
... // Setup the remaining structure members
stDecodeCreateInfo.ulTargetWidth = uScaleWidth;
stDecodeCreateInfo.ulTargetHeight = uScaleHeight;
rResult = cuvidCreateDecoder(&hDecoder, &stDecodeCreateInfo);
// Cropping. Source size is 1280x960
CUresult rResult;
unsigned int uCropL, uCropR, uCropT, uCropB;
uCropL = 30;
uCropR = 700;
uCropT = 20;
uCropB = 500;
...
CUVIDDECODECREATEINFO stDecodeCreateInfo;
memset(&stDecodeCreateInfo, 0, sizeof(CUVIDDECODECREATEINFO));
// Setup the remaining structure members
...
stDecodeCreateInfo.display_area.left = uCropL;
stDecodeCreateInfo.display_area.right = uCropR;
stDecodeCreateInfo.display_area.top = uCropT;
stDecodeCreateInfo.display_are.bottom = uCropB;
rResult = cuvidCreateDecoder(&hDecoder, &stDecodeCreateInfo);
...
// Aspect Ratio Conversion. Source size is 1280x960(4:3). Convert to
// 16:9 
CUresult rResult;
unsigned int uCropL, uCropR, uCropT, uCropB;
uDispAR_L = 0;
uDispAR_R = 1280;
uDispAR_T = 70;
uDispAR_B = 790;
...
CUVIDDECODECREATEINFO stDecodeCreateInfo;
memset(&stDecodeCreateInfo, 0, sizeof(CUVIDDECODECREATEINFO));
... // setup structure members
stDecodeCreateInfo.target_rect.left = uDispAR_L;
stDecodeCreateInfo.target_rect.right = uDispAR_R;
stDecodeCreateInfo.target_rect.top = uDispAR_T;
stDecodeCreateInfo.target_rect.bottom = uDispAR_B;
reResult = cuvidCreateDecoder(&hDecoder, &stDecodeCreateInfo);
...
解码帧/场

在解封装和解析之后，客户端可以将一帧或一场数据传递给硬件解码器解码，步骤如下：

  • 填充CUVIDPICPARAMS结构体
    • 客户端需要使用解析过程中得到的参数填充这个结构体，CUVIDPICPARAMS 包含一个特定于每个解码器的数据结构，它也应该被填充。
  • 调用 cuvidDecodePicture() 并传递解码器句柄，在 NVDEC上开始解码。
准备解码后的帧进行后处理

用户需要通过调用 cuvidMapVideoFrame() 函数获取输出表面的CUDA设备指针和pitch大小，输出表面保存经过解码和后处理的帧。

cuvidDecodePicture() 指导NVDEC硬件引擎开始解码帧/场.。然而，cuvidMapVideoFrame() 调用成功意味着解码过程完成，而且解码后的格式转换成了CUVIDDECODECREATEINFO::OutputFormat 中指定的yuv格式。

API cuvidMapVideoFrame() 使用解码表面索引作为输入，将它映射到一个有效的输出表面，对解码帧进行后处理然后拷贝到输出表面，返回CUDA设备指针和输出表面关联的pitch.

上文的 cuvidMapVideoFrame() 操作以下称为mapping.

在用户处理完帧后，必须调用 cuvidUnmapVideoFrame() 使得输出表面再次可用。

如果在 cuvidMapVideoFrame() 之后，用户调用 cuvidUnmapVideoFrame() 持续失败， cuvidMapVideoFrame() 最终也会失败，最多 CUVIDDECODECREATEINFO::ulNumOutputSurfaces 数量的帧可以被映射。

cuvidMapVideoFrame() 是一个阻塞式调用，它等待解码完成。如果 cuvidMapVideoFrame() 和 cuvidDecodePicture() 在同一个cpu线程调用，它会阻塞 cuvidDecodePicture()。建议用户使用生产者-消费者队列，解码线程作为生产者，映射线程作为消费者。解码线程在显示回调函数中添加图片索引到队列，并且从回调函数迅速返回继续进行解码后面的帧。另一方面，映射线程监测队列，一旦有数据，使用 nPicIdx 作为图片索引调用 cuvidMapVideoFrame(…)。解码线程必须确保避免用于存放解码后的输出的解码图片缓存，在被映射线程消费并释放之前被重复使用。

示例：

// MapFrame: Call cuvidMapVideoFrame and get the devptr and associated 
// pitch. Copy this surface (in device memory) to host memory using 
// CUDA device to host memcpy.
bool MapFrame()
{
 CUVIDPARSEDISPINFO stDispInfo;
 CUVIDPROCPARAMS stProcParams;
 CUresult rResult;
 unsigned int cuDevPtr; int nPitch, nPicIdx;
 unsigned char* pHostPtr;
 memset(&stDispInfo, 0, sizeof(CUVIDPARSEDISPINFO));
 memset(&stProcParams, 0, sizeof(CUVIDPROCPARAMS));
 ... // setup stProcParams if required
 // retrieve the frames from the Frame Display Queue. This Queue is
 // is populated in HandlePictureDisplay.
 if (g_pFrameQueue->dequeue(&stDispInfo))
 {
 nPicIdx = stDispInfo.picture_index;
 rResult = cuvidMapVideoFrame(&hDecoder, nPicIdx, &cuDevPtr,
 &nPitch, &stProcParams);
 // use CUDA based Device to Host memcpy
 pHostPtr = cuMemAllocHost((void** )&pHostPtr, nPitch);
 if (pHostPtr)
 {
 rResult = cuMemcpyDtoH(pHostPtr, cuDevPtr, nPitch);
 }
 rResult = cuvidUnmapVideoFrame(&hDecoder, cuDevPtr);
 }
 ... // Dump YUV to a file
 if (pHostPtr)
 {
 cuMemFreeHost(pHostPtr);
 }
 ...
}

在大多数使用场景下，NVDEC会成为性能瓶颈，如果驱动里的NVDEC 等待队列满了，cuvidDecodePicture() 会卡住。

查询解码状态

解码开始后， 可以随时调用 cuvidGetDecodeStatus() 查询帧的解码状态。底层驱动填充解码状态到 CUVIDGETDECODESTATUS::*pDecodeStatus。

NVDECODEAPI目前报告以下状态：

  • 解码中
  • 解码完成
  • 码流损坏，被NVENC隐藏
  • 码流损坏，无法被NVENC隐藏

这个API用于需要根据帧的状态进行进一步操作的场景，比如是否推理一帧。

重新配置解码器

在码流分辨率发生改变或者修改后处理参数，API cuvidReconfigureDecoder() 可以直接重新配置解码器，而不需要销毁解码器实例再重新创建。

以下是使用 cuvidReconfigureDecoder() 的步骤：

  • 用户在调用 cuvidCreateDecoder() 时需要指定 CUVIDDECODECREATEINFO::ulMaxWidth 和 CUVIDDECODECREATEINFO::ulMaxHeight，用户需要确定在整个解码过程中码流的分辨率都不会超过这两个值。请注意，在一个解码会话中，这两个值都不允许改变。
  • 当码流发生改变时，cuvidReconfigureDecoder() 理论上应该在 CUVIDPARSERPARAMS::pfnSequenceCallback 中被调用。用户想重新配置的参数应该填充在 ::CUVIDRECONFIGUREDECODERINFO。请注意，CUVIDRECONFIGUREDECODERINFO::ulWidth 和 CUVIDRECONFIGUREDECODERINFO::ulHeight 必须小于等于 CUVIDDECODECREATEINFO::ulMaxWidth 和 CUVIDDECODECREATEINFO::ulMaxHeight 的值，否则 cuvidReconfigureDecoder() 会失败。
销毁解码器

用户应该调用 cuvidDestroyDecoder() 销毁解码器会话，并且释放所以分配的解码器资源。

编写高性能解码应用

英伟达GPU上的NVDEC引擎是一个专用的硬件块，它解码支持的视频码流格式。一个典型视频解码应用大致包含以下几步：

解封装
视频码流解析和解码
准备帧进行进一步处理
这些步骤中，解封装和解析不带硬件加速因此超出了本文范围. 解封装可以使用第三方组件比如ffmpeg，它支持许多视频格式。SDK中的示例使用ffmpeg解封装。同样的，解码后处理可以使用用户自定义的CUDA核。进一步处理后的视频帧可以送往显示引擎显示。

为了有效的管道操作，NVDEC驱动内部维护了一个4帧的队列。请注意，这个队列并不意味着解码延迟，一旦有帧进入队列，解码立即开始，只要队列未满，应用就可以排队帧。

对于高性能和低延迟的视频解码应用，确保 PCIE 链接宽度设置为最大的有效值，PCIE 链接宽度的当前值可以通过运行 'nvidia-smi -q'.命令获取，它可以在系统的BIOS设置中配置。

在码流分辨率或者后处理参数经常改变的使用场景中，推荐使用 cuvidReconfigureDecoder()，而不是先销毁再重新创建解码器。

为了优化视频内存使用，以下步骤应该被遵守：

  • 保证 CUVIDDECODECREATEINFO::ulNumDecodeSurfaces = CUVIDEOFORMAT:: min_num_decode_surfaces，它是在正确解码的情况下，驱动分配最小的最小解码表面。如果解码性能下降，可以适当增大 CUVIDDECODECREATEINFO::ulNumDecodeSurfaces
  • CUVIDDECODECREATEINFO::ulNumOutputSurfaces 应该在经过平衡吞吐量和内存消耗的测试后选择合适的值。
  • CUVIDDECODECREATEINFO::DeinterlaceMode 应该设置为 cudaVideoDeinterlaceMode_Weave 或 cudaVideoDeinterlaceMode_Bob.对于交错模式，使用 cudaVideoDeinterlaceMode_Adaptive 会提过质量但是会增大内存消耗，使用 cudaVideoDeinterlaceMode_Weave 或 cudaVideoDeinterlaceMode_Bob 则相反
  • 解码多路视频流时，推荐分配最小数量的CUDA上下然后在不同的会话间共享，这有利于节省创建CUDA上下文的内存支出。
  • 如果预先知道码流只包含I帧 CUVIDDECODECREATEINFO::ulIntraDecodeOnly 应该设置为1，这个特性只支持HEVC, H.264 和 VP9。然而如果这个标志位打开，但是码流中包含P帧或B帧，解码可能失败。

SDK中示例用于演示各种API的功能，但可能没有全部优化，因此开发者应该确保他们的应该是精心设计的，在解封装、解析，解码各个阶段，以有效的方式结构化，以达到预期的性能和内存消耗。

深海Enoch
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
AVD模拟器输入法_GO.apk
03-21
Android Studio AVD模拟器输入法，Intelx86版，亲测可用。可外设，可见模拟键盘。
adv.zip_You Choose!_adv
09-23
AVD example where you can either choose random nodes or your own.
NVDEC_VideoDecoder_API_ProgGuide.pdf
09-03
参考博客： 【NVIDIA】 翻译NVDEC_VideoDecoder_API_ProgGuide.pdf视频解码编程指南 https://jn10010537.blog.csdn.net/article/details/120071090
avd.rar_AVD_与平面的夹角
09-23
矩阵变换,投影,消隐,渲染(只是由光线与平面的夹角来确定平面的亮度
AVD.rar_AVD
09-23
用RTC实现在局域网内聊天的程序,希望大家能提高自己的能力
NVDEC_VideoDecoder_API_ProgGuide
LIEY
09-16 1万+
概述 从 NVIDIA® Fermi™ 一代开始，英伟达GPU包含一个视频解码器引擎（这本文中简称NVDEC），它提供全硬件加速解码视频的能力。NVDEC能解码许多码流格式： H.264, HEVC (H.265), VP8, VP9, MPEG-1, MPEG-2, MPEG-4 and VC-1. NVDEC运行完全独立于计算/图像引擎。 英伟达提供编程NVDEC的软件API和库。这套软件API，以下称为NVDECODE API，它使开发者能访问NVDEC的解码特性，并且能让NVDEC与GPU上的其它引
VideoCodec 入门篇 - 00 (编解码简介)
热门推荐
StephenZhou
10-06 2万+
冗余信息指的是一帧或者多帧之间的多余信息，比如，一帧图片内的信息，很多都是蓝色，那么是否可以考虑用一个蓝色就来编码其他部分的内容信息呢？比如一个码流，有连续 N 帧的内容都是静止或者变化不多的，那这之间的每帧信息都有大量的重复冗余信息；
CUDA和FFMPEG硬件解码视频流
最新发布
yinshipin007的博客
11-30 1285
其他博客给出的教程要么只是给出了伪代码，非常的模糊，要么是基于D3D进行显示，使得给出的源码非常复杂，而无法看出CUDA解码的核心框架，而本文将其他非核心部分剥离出去，视频播放部分通过opencv调用cv::mat显示。示例中NvDecodeD3D9.cpp实现了D3D环境的创建，CUDA模块的初始化，其中取视频帧图像显示的函数如下，该函数实现了从解码图像队列取出图像（实际上是显存指针），完成格式转换（NV12到ARGB），最后映射到D3D的Texture进行显示等功能，代码中我给出了关键部位的解释。
视频编解码(六)之NVDEC主要cuvid-API
大吉
07-20 996
NVDEC的cuvid-API主要列举记录
Nvidia硬解码总结
weixin_33775572的博客
07-14 5019
2019独角兽企业重金招聘Python工程师标准>>> ...
Avd.rar_android_www.avd01a
09-19
关于android 开发 avd相关的介绍
ffmpeg如果采用硬解码器h264_cuvid解码时颜色空间AV_PIX_FMT_CUDA无法转换为BGR24
weixin_43360707的博客
09-24 2793
如果我们采用ffmpeg硬解码： AVCodec *m_codec=avcodec_find_decoder_by_name(“h264_cuvid”)； AVCodecContext * m_codecCtx = avcodec_alloc_context3(m_codec); AVCodecParameters *codecPar = inCtx.codecParams; avcodec_parameters_to_context(m_codecCtx, codecPar); m_codecCtx-&
基于ffmpeg与nvidia-video-sdk-8.1.24视频硬解与软解多路rtsp，支持Qt的QOpenglWidget与qml接口显示
mengzhengjie的专栏
05-14 782
https://blog.csdn.net/wanghualin033/article/details/82050448 为了解决工程上的一个问题，我研究了nvidia较新的video-sdk-8.1.24,看完之后觉得这个sdk比较符合现代的编程规范，于是摒弃了以前的video-sdk-6.0，解决了工程上的问题。 我提供的封装支持软解和硬解，其中重要部分为做了视...
Nvidia Video Codec SDK——AppDec解析
皮皮#2500
04-03 6912
Nvidia Video Codec SDK——AppDec解析项目框架AppDec硬解码整体框架主函数main具体硬解码流程函数DecodeMediaFile初始化解码器实际解码函数Decode回调函数HandlePictureDisplay数据指针参考链接 项目框架 使用的SDK版本是Video_Codec_SDK_8.2.16，下载链接：NVIDIA VIDEO CODEC SDK 8.2....
ctx-＞cvdl-＞cuvidGetDecoderCaps(&ctx-＞caps8) failed -＞ CUDA_ERROR_DEINITIALIZED: driver shutting down
柳鲲鹏
11-15 1658
ffplay -vcodec h264_cuvid sample_720p-2.h264 [quantum6@freeswitch freeswitch]$ ffplay -vcodec h264_cuvid sample_720p-2.h264 ffplay version 4.3.1 Copyright (c) 2003-2020 the FFmpeg developers built with gcc 4.8.5 (GCC) 20150623 (Red Hat 4.8.5-44) .
nvdec与vaapi与vdpau的关系
大吉
05-01 3189
简要分析nvdec与vaapi与vdpau的关系，需要修改driver来支持vaapi到vdpau或者nvdec的转换
FFmpeg关于Nvidia支持介绍
weixin_43360707的博客
05-05 2448
#FFmpeg关于Nvidia支持介绍 ##NVDEC/CUVID(官方介绍如下) 官方链接：http://trac.ffmpeg.org/wiki/HWAccelIntro CUDA (NVENC/NVDEC) NVENC and NVDEC are NVIDIA’s hardware-accelerated encoding and decoding APIs. They used to be called CUVID. They can be used for encoding and decodi
英伟达GPU 解码&编码 能力
asdasfdgdhh的博客
08-31 1886
https://en.wikipedia.org/wiki/Nvidia_NVDEC
NVIDIA之硬件编解码模块NVCODEC
ZONGXP的博客
05-15 1万+
介绍NVIDIA视频编解码能力
The emulator process for AVD Pixel_3_API_34 has terminated
09-27
"The emulator process for AVD Pixel_3_API_34 has terminated"错误的原因可能有几种。一种可能是由于虚拟机安装路径存在中文符号导致乱码，另一种可能是安装时使用了自定义安装后修改了默认安装目录。解决方法是，...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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