FFmpeg从入门到入魔(1)：初探FFmpeg框架

1. FFmpeg介绍与裁剪

1.1 FFmpeg简介

---

FFmpeg（Fast forword mpeg，音视频转换器）是一个开源免费跨平台的视频和音频流方案，它提供了录制/音视频编解码、转换以及流化音视频的完整解决方案。ffmpeg4.0.2源码目录结构如下：

目录说明：FFmpeg|—compat 该目录存放的是兼容文件，以便兼容早期版本|—doc 说明文档|—ffbuild|—libavcodec 音视频编解码核心库|—libavdevice 各种设备的输入输出，比如Video4Linux2, VfW, DShow以及 ALSA|—libavfilter 滤镜特效处理|—libavformat I/O操作和封装格式(muxer/demuxer)处理|—libavswresample 音频重采样，格式转换和混音|— (1) 重采样：改变音频的采样率，比如从44100HZ降低到8000HZ|— (2)重新矩阵化：改变音频通道数量，比如从立体声道(stereo )变为单身道(mono)|— (3)格式转换：改变音频采样大小，比如将每个样本大小从16bits降低到8bits|—libavutil 工具库，比如算数运算、字符操作等|—libpostproc 后期效果处理，如图像的去块效应|—libswscale 视频像素处理，包括缩放图像尺寸、色彩映射转换、像素颜色空间转换等|—presets|—tests 测试实例|—configure 配置文件，编译ffmpeg时用到

1.2 命令行工具

---

FFmpeg框架中还提供了几个用于执行命令行完成音视频数据处理工具，包括ffplay、ffprobe、ffserver，具体解释如下：

• ffplay

Fast forword play，用ffmpeg实现的播放

• ffserver

Fast forword server，用ffmpeg实现的rtsp服务器

• ffprobe

Fat forword probe，用来输入分析输入流

2. FFmpeg架构分析

---

在1.1小节中，我们对FFmpeg整体架构进行了简单介绍，阐述了框架中各个模块的功能。本节将在此基础上，重点阐述在利用FFmpeg进行音视频开发中牵涉到的重要步骤，数据结构体以及相关函数。

2.1 FFmpeg处理要点

---

总体来说，FFmpeg框架主要的作用在于对多媒体数据进行解协议、解封装、解码以及转码等操作，为了对FFmpeg在视音频中的应用有个更直观理解，下面给出解析rtsp网络流的流程图，该图演示了从打开rtsp流，到最终提取出解码数据或转码的大概过程，如下所示：

术语解释：

• muxer：视音频复用器(封装器)，即将视频文件、音频文件和字幕文件(如果有的话)合并为某一个视频格式，比如讲a.avi、a.mp3、a.srt合并为mkv格式的视频文件；

• demuxer：视音频分离器(解封装器)，即muxer的逆过程；

• transcode：转码，即将视音频数据从某一种格式转换成另一种格式；

• RTP包：Real-time Transport Protocol，实时传输协议，是一种基于UDP的网络传输协议，它介于应用层和传输层之间，负责对流媒体数据进行封包并实现媒体流的实时传输；

• ES流：Elementary Streams，即原始流，也称视/音频裸流，是直接从编码器输出的数据流，可为视频数据流(如H.264、MJPEG等)或音频数据流(如AAC等)；

• PES流：Packetized Elementary Streams，分组ES流，PES流是ES流经过PES打包器将ES分组、打包、加入包头信息等处理后形成的数据流，是用来传递ES的一种数据结构。

• 解协议：取出网络数据流无关报文信息，以获取真正的视音频数据，常见的协议有rtsp、rtmp、http和mms等；

• 解封装：即demuxer，封装格式可以为.mp4/.avi/.flv/.mkv等；

• 解码：将编码数据还原成原始内容，比如将H.264解码为YUV、AAC解码为PCM等；

2.1 FFmpeg重要的结构体

---

FFmpeg中有很多比较重要的结构体，比如与输入输出(I/O)有关的结构体AVIOContext、URLContext、URLProtocol ，与封装格式有关的结构体AVFormatContext、AVInputFormat、AVOutputFormat，与编解码有关的结构体AVCodec、AVCodecContext，以及与音视频数据有关的结构体AVStream、AVPacket、AVFrame等等。刚开始接触FFmpeg时，个人感觉一时间要理解区分这些结构体还是有点困难的，好在这些结构体当中有个“老大哥”-AVFormatContext，AVFormatContext可以说是贯穿整个FFmpeg开发，"犹如神一般的存在"。下面我们就在分析AVFormatContext结构体的基础上，阐述上述结构体的作用与区别。AVFormatContextAVFormatContext结构体描述了一个多媒体文件或流的构成和基本信息，是FFmpeg中最为基本的一个结构体，也是其他所有结构的根。其中，成员变量iformat和oformat为指向对应的demuxing(解封装)和muxing(封装)指针，变量类型分别为AVInputFormat、AVOutputFormat；pb为指向控制底层数据读写的指针，变量类型为AVIOContext；nb_streams表示多媒体文件或多媒体流中数据流的个数；streams为指向所有流存储的二级指针，变量类型AVStream；video_codec和audio_codec分别表示视频和音频编解码器，变量类型为AVCodec等等。AVFormatContext结构体(位于libavformat/avformat.h中)部分源码如下：

typedef struct AVFormatContext {

const AVClass *av_class;

// 输入容器格式

// 只在调用avformat_open_input()时被设置，且仅限Demuxing

struct AVInputFormat *iformat;

// 输出容器格式

// 只在调用avformat_alloc_output_context2()函数时被设置，且仅限封装(Muxing)

struct AVOutputFormat *oformat;

​

/**

* Format private data. This is an AVOptions-enabled struct

* if and only if iformat/oformat.priv_class is not NULL.

*

* - muxing: set by avformat_write_header()

* - demuxing: set by avformat_open_input()

*/

void *priv_data;

// 输/入输出(I/O)的缓存

// 说明：解封装(demuxing)：值由avformat_open_input()设置

// 封装(muxing)： 值由avio_open2设置，需在avformat_write_header()之前

AVIOContext *pb;

// stream info

int ctx_flags;

// AVFormatContext.streams中数据流的个数

// 说明：值由avformat_new_stream()设置

unsigned int nb_streams;

// 文件中所有流stream列表。创建一个新stream，调用avformat_new_stream()函数实现

// 当调用avformat_free_context()后，streams所占资源被释放

// 说明：解封装(demuxing)：当调用avformat_open_input()时，streams值被填充

// 封装(muxing)：streams在调用avformat_write_header()之前被用户创建

//

AVStream **streams;

// 输入或输出文件名，如输入：rtsp://184.72.239.149/vod/mp4:BigBuckBunny_115k.mov

// 说明：demuxing：当调用avformat_open_input()后被设置

// muxing: 当调用avformat_alloc_output_context2()后被设置，且需要调用avformat_write_header()之前

char filename[1024];

// component的第一帧位置，仅限Demuxing时由libavformat设置