FFmpeg4.3 抽取视频h264数据

环境

FFmpeg4.3 + vs2019

步骤

1.打开mp4文件并创建一个空文件用于存储H264数据
2.提取一路视频流资源
3.循环读取流中所有的包(AVPacket),为每个包添加特征码和sps/pps等数据(只有关键帧前面要添加sps/pps数据，其他的只需要添加特征码)，都处理完后将数据写入文件保存

示例

#include <iostream>

#ifdef __cplusplus

extern "C"
{
	#include <libavutil/log.h>
	#include <libavformat/avformat.h>
}

#endif // __cplusplus

#ifndef AV_WB32
#   define AV_WB32(p, val) do {                 \
        uint32_t d = (val);                     \
        ((uint8_t*)(p))[3] = (d);               \
        ((uint8_t*)(p))[2] = (d)>>8;            \
        ((uint8_t*)(p))[1] = (d)>>16;           \
        ((uint8_t*)(p))[0] = (d)>>24;           \
    } while(0)
#endif

#ifndef AV_RB16
#   define AV_RB16(x)                           \
    ((((const uint8_t*)(x))[0] << 8) |          \
      ((const uint8_t*)(x))[1])
#endif

using namespace std;


/*
 在帧前面添加特征码(一般SPS/PPS的帧的特征码用4字节表示，为0X00000001，其他的帧特征码用3个字节表示，为0X000001。也有都用4字节表示的，我们这里采用前面的方式)
 out是要输出的AVPaket
 sps_pps是SPS和PPS数据的指针，对于非关键帧就传NULL
 sps_pps_size是SPS/PPS数据的大小，对于非关键帧传0
 in是指向当前要处理的帧的头信息的指针
 in_size是当前要处理的帧大小(nal_size)
*/
int alloc_and_copy(AVPacket* out,const uint8_t* sps_pps, uint32_t sps_pps_size, const uint8_t* in, uint32_t in_size)
{
	uint32_t offset = out->size; // 偏移量，就是out已有数据的大小，后面再写入数据就要从偏移量处开始操作
	// 特征码的大小，SPS/PPS占4字节00 00 00 01，其余占3字节
	uint8_t nal_header_size = offset ? 3 : 4;
	int err;

	// 对之前分配的packet进行扩容
	err = av_grow_packet(out, sps_pps_size + in_size + nal_header_size);
	if (err < 0)
		return err;

	if (sps_pps)
		memcpy(out->data + offset, sps_pps, sps_pps_size);
	memcpy(out->data + sps_pps_size + nal_header_size + offset, in, in_size);
	if (!offset) {
		// 设置00 00 00 01
		AV_WB32(out->data + sps_pps_size, 1);
	}
	else {
		(out->data + offset + sps_pps_size)[0] =
			(out->data + offset + sps_pps_size)[1] = 0;
		(out->data + offset + sps_pps_size)[2] = 1;
	}

	return 0;
}

/*
读取并拷贝sps/pps数据
codec_extradata是codecpar的扩展数据，sps/pps数据就在这个扩展数据里面
codec_extradata_size是扩展数据大小
out_extradata是输出sps/pps数据的AVPacket包
padding:就是宏AV_INPUT_BUFFER_PADDING_SIZE的值(64)，是用于解码的输入流的末尾必要的额外字节个数，需要它主要是因为一些优化的流读取器一次读取32或者64比特，可能会读取超过size大小内存的末尾。
*/
int h264_extradata_to_annexb(const uint8_t* codec_extradata, const int codec_extradata_size, AVPacket* out_extradata, int padding)
{
	uint64_t unit_size; // sps/pps数据长度
	uint64_t total_size = 0; // 所有sps/pps数据长度加上其特征码长度后的总长度

	/*
		out:是一个指向一段内存的指针，这段内存用于存放所有拷贝的sps/pps数据和其特征码数据
		unit_nb:sps/pps个数
		sps_done：sps数据是否已经处理完毕
		sps_seen：是否有sps数据
		pps_seen：是否有pps数据
		sps_offset：sps数据的偏移，为0
		pps_offset：pps数据的偏移，因为pps数据在sps后面，所以其偏移就是所有sps数据长度+sps的特征码所占字节数
	*/
	uint8_t* out = NULL, unit_nb, sps_done = 0,
		sps_seen = 0, pps_seen = 0, sps_offset = 0, pps_offset = 0;
	const uint8_t* extradata = codec_extradata + 4; // 扩展数据的前4位是无用的数据，直接跳过拿到真正的扩展数据
	static const uint8_t nalu_header[4] = { 0, 0, 0, 1 }; // sps/pps数据前面的4bit的特征码

	// extradata第一个字节的最后2位用于指示后面每个sps/pps数据所占字节数。(*extradata表示extradata第一个字节的数据，之后自增1指向下一个字节)
	int length_size = (*extradata++ & 0x3) + 1;

	sps_offset = pps_offset = -1;

	// extradata第二个字节最后5位用于指示sps的个数,一般情况下一个扩展只有一个sps和pps，之后指针指向下一位
	unit_nb = *extradata++ & 0x1f; /* 拿到sps,pps的个数 */
	if (!unit_nb) { // unit_nb为0表示没有sps数据，直接跳转到处理pps的地方
		goto pps;
	}
	else { // unit_nb不为0表有sps数据，所以sps_seen赋值1，sps_offset赋值0
		sps_offset = 0;
		sps_seen = 1;
	}

	while (unit_nb--) { // 遍历每个sps或pps(先变量sps，然后再遍历pps)
		int err;

		// 再接着2个字节表示sps/pps数据的长度
		unit_size = AV_RB16(extradata);
		total_size += unit_size + 4;  // 4表示sps/pps特征码长度
		if (total_size > INT_MAX - padding) {  // total_size太大会造成数据溢出，所以要做判断
			av_log(NULL, AV_LOG_ERROR,
				"Too big extradata size, corrupted stream or invalid MP4/AVCC bitstream\n");
			av_free(out);
			return AVERROR(EINVAL);
		}

		// extradata + 2 + unit_size比整个扩展数据都长了表明数据是异常的
		if (extradata + 2 + unit_size > codec_extradata + codec_extradata_size) {
			av_log(NULL, AV_LOG_ERROR, "Packet header is not contained in global extradata, "
				"corrupted stream or invalid MP4/AVCC bitstream\n");
			av_free(out);
			return AVERROR(EINVAL);
		}

		// av_reallocp()函数用于内存扩展，给out扩展总长加padding的长度
		if ((err = av_reallocp(&out, total_size + padding)) < 0)
			return err;
		// 先将4字节的特征码拷贝进out
		memcpy(out + total_size - unit_size - 4, nalu_header, 4);
		// 再将sps/pps数据拷贝进out,extradata + 2是因为那2字节是表示sps/pps长度的，所以要跳过
		memcpy(out + total_size - unit_size, extradata + 2, unit_size);
		// 本次sps/pps数据处理完后，指针extradata跳过本次sps/pps数据
		extradata += 2 + unit_size;
	pps:
		if (!unit_nb && !sps_done++) { // 执行到这里表明sps已经处理完了，接下来处理pps数据
			unit_nb = *extradata++; // pps的个数
			if (unit_nb) { // 如果pps个数大于0这给pps_seen赋值1表明数据中有pps
				pps_offset = total_size;
				pps_seen = 1;
			}
		}
	}

	if (out) // 如果out有数据，那么将out + total_size后面padding(即64)个字节用0替代
		memset(out + total_size, 0, padding);

	// 如果数据中没有sps或pps则给出提示
	if (!sps_seen)
		av_log(NULL, AV_LOG_WARNING,
			"Warning: SPS NALU missing or invalid. "
			"The resulting stream may not play.\n");

	if (!pps_seen)
		av_log(NULL, AV_LOG_WARNING,
			"Warning: PPS NALU missing or invalid. "
			"The resulting stream may not play.\n");

	// 给传进来的sps/pps的AVPaket赋值
	out_extradata->data = out;
	out_extradata->size = total_size;

	return length_size;
}

/*
	为包数据添加起始码、SPS/PPS等信息后写入文件。
	AVPacket数据包可能包含一帧或几帧数据，对于视频来说只有1帧，对音频来说就包含几帧
	in为要处理的数据包
	file为输出文件的指针
*/
void h264_mp4toannexb(AVFormatContext* fmt_ctx, AVPacket* in, FILE* dst_fd)
{
	AVPacket* out;
	AVPacket spsppsPkt;

	int len; // fwrite()函数写入文件时的返回值
	uint8_t unitType; // NALU头中nal_unit_type，也就是NALU类型，5表示是I帧，7表示SPS，8表示PPS
	int32_t nalSzie; // 一个NALU(也就是一帧，其第一个字节是头信息)的大小，它存放在NALU的前面的4个字节中
	uint8_t nalSzieLen = 4; // 存放nal_size的字节数
	uint32_t cumulSize = 0; // 已经处理的字节数，当cumulSize==bufSize时表示整个包的数据都处理完了
	const uint8_t* buf; // 传进来的数据指针
	const uint8_t* bufEnd; // 传进来的数据末尾指针
	int bufSize; // 传进来的数据大小
	int ret = 0, i;

	out = av_packet_alloc();

	buf = in->data;
	bufSize = in->size;
	bufEnd = in->data + in->size; // 数据首地址加上数据大小就是数据尾地址

	do {
		ret = AVERROR(EINVAL);
		if (buf + 4 > bufEnd)  // 说明传进来的数据没有内容，是有问题的
			goto fail;

		// 取出NALU前面的4个字节得到这一帧的数据大小
		for (nalSzie = 0, i = 0; i < 4; i++)
			nalSzie = (nalSzie << 8) | buf[i];

		// buf后移4位指向NALU的头信息(1个字节)
		buf += 4;
		// 取出NALU头信息的后面5个bit，这5bit记录NALU的类型
		unitType = *buf & 0x1f;

		// 数据有问题就退出
		if (nalSzie > bufEnd - buf || nalSzie < 0)
			goto fail;

		// unit_type是5表示是关键帧，对于关键帧要在其前面添加SPS和PPS信息
		if (unitType == 5) {
			// 添加SPS和PPS信息，找FFmpeg中SPS和PPS信息存放在codecpar->extradata中
			h264_extradata_to_annexb(fmt_ctx->streams[in->stream_index]->codecpar->extradata,
				fmt_ctx->streams[in->stream_index]->codecpar->extradata_size,
				&spsppsPkt,
				AV_INPUT_BUFFER_PADDING_SIZE);

			// 为数据添加特征码(起始码，用于分隔一帧一帧的数据)s
			if ((ret = alloc_and_copy(out,spsppsPkt.data, spsppsPkt.size, buf, nalSzie)) < 0)
				goto fail;
		}
		else {
			// 非关键帧只需要添加特征码
			if ((ret = alloc_and_copy(out, NULL, 0, buf, nalSzie)) < 0)
				goto fail;
		}


		buf += nalSzie; // 一帧处理完后将指针移到下一帧
		cumulSize += nalSzie + nalSzieLen;// 累计已经处理好的数据长度
	} while (cumulSize < bufSize);
	
	// SPS、PPS和特征码都添加后将其写入文件
	len = fwrite(out->data, 1, out->size, dst_fd);
	if (len != out->size) {
		av_log(NULL, AV_LOG_DEBUG, "warning, length of writed data isn't equal pkt.size(%d, %d)\n",
			len,
			out->size);
	}
	// fwrite()只是将数据写入缓存，fflush()才将数据正在写入文件
	fflush(dst_fd);

fail:
	av_packet_free(&out);

}

void extractVideo()
{
	av_log_set_level(AV_LOG_INFO);

	string src = "./01.mp4";
	string dst = "test.h264";
	char errors[1024];
	int video_index;
	FILE* dst_fd = nullptr;
	errno_t err;
	AVFormatContext* fmt_ctx = nullptr;
	AVPacket pkt;

	// 打开输入文件，分配上下文中的资源
	int ret = avformat_open_input(&fmt_ctx, src.c_str(), nullptr, nullptr);
	if (ret < 0) {
		av_log(nullptr, AV_LOG_ERROR, "Open failed!\n");
		return;
	}

	// 获取音视频流信息
	if ((ret = avformat_find_stream_info(fmt_ctx, NULL)) < 0) {
		av_strerror(ret, errors, 1024);
		av_log(NULL, AV_LOG_DEBUG, "failed to find stream information: %s, %d(%s)\n",
			src.c_str(),
			ret,
			errors);
		return;
	}

	// 打印输入文件信息
	av_dump_format(fmt_ctx, 0, src.c_str(), 0);

	err = fopen_s(&dst_fd, dst.c_str(), "wb");
	if (err != 0) {
		av_log(nullptr, AV_LOG_ERROR, "fopen failed!\n");
		avformat_close_input(&fmt_ctx);
		return;
	}

	// 获取到视频流
	video_index  = av_find_best_stream(fmt_ctx, AVMEDIA_TYPE_VIDEO, -1, -1, NULL, 0);
	if (video_index < 0 && dst_fd != 0) {
		av_log(nullptr, AV_LOG_ERROR, "Can not find best stream!\n");
		fclose(dst_fd);
		return;
	}

	av_init_packet(&pkt);
	pkt.data = NULL;
	pkt.size = 0;

	while (av_read_frame(fmt_ctx, &pkt) >= 0)
	{
		if (pkt.stream_index == video_index) {
			// 写h264数据
			h264_mp4toannexb(fmt_ctx, &pkt, dst_fd);
		}

		// 对于每次使用后的pkt需要释放，防止内存泄露
		av_packet_unref(&pkt);
	}

	// 因为每次循环都要为pkt分配内存，所以一轮循环结束时要释放内存
	avformat_close_input(&fmt_ctx);
	if (dst_fd) {
		fclose(dst_fd);
	}
}

int main()
{
	extractVideo();
}

参考

H264–2--语法及结构
FFmpeg抽取视频h264数据