学习FFmpeg API – 解码视频

ffmpeg是编解码的利器，用了很久，以前看过dranger 的教程，非常精彩，受益颇多，是学习ffmpeg api很好的材料。可惜的是其针对的ffmpeg版本已经比较老了，而ffmpeg的更新又很快，有些API已经完全换掉了，导致dranger教程中的 代码已经无法编译，正好最近需要使用ffmpeg，于是就利用dranger的教程和代码，自己边学边记录，于是也就有了这个所谓的 New FFmpeg Tutorial，希望对学习ffmpeg的人有所帮助。

Tutorial 1: Decoding video frames

source code：videoframe.c

视频播放过程

首先简单介绍以下视频文件的相关知识。我们平时看到的视频文件有许多格式，比如 avi， mkv， rmvb， mov， mp4等等，这些被称为容器（Container）， 不同的容器格式规定了其中音视频数据的组织方式（也包括其他数据，比如字幕等）。容器中一般会封装有视频和音频轨，也称为视频流（stream）和音频 流，播放视频文件的第一步就是根据视频文件的格式，解析（demux）出其中封装的视频流、音频流以及字幕（如果有的话），解析的数据读到包 （packet）中，每个包里保存的是视频帧（frame）或音频帧，然后分别对视频帧和音频帧调用相应的解码器（decoder）进行解码，比如使用 H.264编码的视频和MP3编码的音频，会相应的调用H.264解码器和MP3解码器，解码之后得到的就是原始的图像(YUV or RGB)和声音(PCM)数据，然后根据同步好的时间将图像显示到屏幕上，将声音输出到声卡，最终就是我们看到的视频。

FFmpeg的API就是根据这个过程设计的，因此使用FFmpeg来处理视频文件的方法非常直观简单。下面就一步一步介绍从视频文件中解码出图片的过程。

声明变量

首先定义整个过程中需要使用到的变量：

int main(int argc, const char *argv[])
{
  AVFormatContext *pFormatCtx = NULL;
  int             i, videoStream;
  AVCodecContext  *pCodecCtx;
  AVCodec         *pCodec;
  AVFrame         *pFrame;
  AVFrame         *pFrameRGB;
  AVPacket        packet;
  int             frameFinished;
  int             numBytes;
  uint8_t         *buffer;

• AVFormatContext：保存需要读入的文件的格式信息，比如流的个数以及流数据等
• AVCodecCotext：保存了相应流的详细编码信息，比如视频的宽、高，编码类型等。
• pCodec：真正的编解码器，其中有编解码需要调用的函数
• AVFrame：用于保存数据帧的数据结构，这里的两个帧分别是保存颜色转换前后的两帧图像
• AVPacket：解析文件时会将音/视频帧读入到packet中

打开文件

接下来我们打开一个视频文件。

av_register_all();

av_register_all 定义在 libavformat 里，调用它用以注册所有支持的文件格式以及编解码器，从其实现代码里可以看到它会调用 avcodec_register_all，因此之后就可以用所有ffmpeg支持的codec了。

if( avformat_open_input(&pFormatCtx, argv[1], NULL, NULL) != 0 )
    return -1;

使用新的API avformat_open_input来打开一个文件，第一个参数是一个AVFormatContext指针变量的地址，它会根据打开的文件信息填充AVFormatContext，需要注意的是，此处的pFormatContext必须为NULL或由avformat_alloc_context分配得到，这也是上一节中将其初始化为NULL的原因，否则此函数调用会出问题。第二个参数是打开的文件名，通过argv[1]指定，也就是命令行的第一个参数。后两个参数分别用于指定特定的输入格式（AVInputFormat）以及指定文件打开额外参数的AVDictionary结构，这里均留作NULL。

if( avformat_find_stream_info(pFormatCtx, NULL ) < 0 )
    return -1;
 
  av_dump_format(pFormatCtx, -1, argv[1], 0);

avformat_open_input函数只是读文件头，并不会填充流信息，因此我们需要接下来调用avformat_find_stream_info获取文件中的流信息，此函数会读取packet，并确定文件中所有的流信息，设置pFormatCtx->streams指向文件中的流，但此函数并不会改变文件指针，读取的packet会给后面的解码进行处理。
最后调用一个帮助函数av_dump_format，输出文件的信息，也就是我们在使用ffmpeg时能看到的文件详细信息。第二个参数指定输出哪条流的信息，-1表示给ffmpeg自己选择。最后一个参数用于指定dump的是不是输出文件，我们dump的是输入文件，因此一定要是0。

现在 pFormatCtx->streams 中已经有所有流了，因此现在我们遍历它找到第一条视频流:

  videoStream = -1;
  for( i = 0; i < pFormatCtx->nb_streams; i++ )
    if( pFormatCtx->streams[i]->codec->codec_type == AVMEDIA_TYPE_VIDEO) {
      videoStream = i;
      break;
    }
 
  if( videoStream == -1 )
    return -1;

codec_type 的宏定义已经由以前的 CODEC_TYPE_VIDEO 改为 AVMEDIA_TYPE_VIDEO 了。接下来我们通过这条 video stream 的编解码信息打开相应的解码器：

  pCodecCtx = pFormatCtx->streams[videoStream]->codec;
 
  pCodec = avcodec_find_decoder(pCodecCtx->codec_id);
  if( pCodec == NULL )
    return -1;
 
  if( avcodec_open2(pCodecCtx, pCodec, NULL) < 0 )
    return -1;

分配图像缓存

接下来我们准备给即将解码的图片分配内存空间。

pFrame = avcodec_alloc_frame();
  if( pFrame == NULL )
    return -1;
 
  pFrameRGB = avcodec_alloc_frame();
  if( pFrameRGB == NULL )
    return -1;

调用 avcodec_alloc_frame 分配帧，因为最后我们会将图像写成 24-bits RGB 的 PPM 文件，因此这里需要两个 AVFrame，pFrame用于存储解码后的数据，pFrameRGB用于存储转换后的数据:

  numBytes = avpicture_get_size(PIX_FMT_RGB24, pCodecCtx->width,
				pCodecCtx->height);

这里调用 avpicture_get_size，根据 pCodecCtx 中原始图像的宽高计算 RGB24 格式的图像需要占用的空间大小，这是为了之后给 pFrameRGB 分配空间:

buffer = av_malloc(numBytes);
 
  avpicture_fill( (AVPicture *)pFrameRGB, buffer, PIX_FMT_RGB24,
		  pCodecCtx->width, pCodecCtx->height);

接着上面的，首先是用 av_malloc 分配上面计算大小的内存空间，然后调用 avpicture_fill 将 pFrameRGB 跟 buffer 指向的内存关联起来。

获取图像

OK，一切准备好就可以开始从文件中读取视频帧并解码得到图像了。

  i = 0;
  while( av_read_frame(pFormatCtx, &packet) >= 0 ) {
    if( packet.stream_index == videoStream ) {
      avcodec_decode_video2(pCodecCtx, pFrame, &frameFinished, &packet);
 
      if( frameFinished ) {
	struct SwsContext *img_convert_ctx = NULL;
	img_convert_ctx = 
	  sws_getCachedContext(img_convert_ctx, pCodecCtx->width,
			       pCodecCtx->height, pCodecCtx->pix_fmt,
			       pCodecCtx->width, pCodecCtx->height,
			       PIX_FMT_RGB24, SWS_BICUBIC,
			       NULL, NULL, NULL);
	if( !img_convert_ctx ) {
	  fprintf(stderr, "Cannot initialize sws conversion context\n");
	  exit(1);
	}
	sws_scale(img_convert_ctx, (const uint8_t* const*)pFrame->data,
		  pFrame->linesize, 0, pCodecCtx->height, pFrameRGB->data,
		  pFrameRGB->linesize);
	if( i++ < 50 )
	  SaveFrame(pFrameRGB, pCodecCtx->width, pCodecCtx->height, i);
      }
    }
    av_free_packet(&packet);
  }

av_read_frame 从文件中读取一个packet，对于视频来说一个packet里面包含一帧图像数据，音频可能包含多个帧（当音频帧长度固定时），读到这一帧后，如果是视频帧，则使用avcodec_decode_video2 对packet中的帧进行解码，有时候解码器并不能从一个packet中解码得到一帧图像数据（比如在需要其他参考帧的情况下），因此会设置 frameFinished，如果已经得到下一帧图像则设置 frameFinished 非零，否则为零。所以这里我们判断 frameFinished 是否为零来确定 pFrame 中是否已经得到解码的图像。注意在每次处理完后需要调用av_free_packet 释放读取的packet。

解码得到图像后，很有可能不是我们想要的 RGB24 格式，因此需要使用 swscale 来做转换，调用 sws_getCachedContext 得到转换上下文，使用 sws_scale 将图形从解码后的格式转换为 RGB24，最后将前50帧写人 ppm 文件。最后释放图像以及关闭文件：

 av_free(buffer);
  av_free(pFrameRGB);
  av_free(pFrame);
  avcodec_close(pCodecCtx);
  avformat_close_input(&pFormatCtx);
 
  return 0;
}
 
static void SaveFrame(AVFrame *pFrame, int width, int height, int iFrame)
{
  FILE *pFile;
  char szFilename[32];
  int y;
 
  sprintf(szFilename, "frame%d.ppm", iFrame);
  pFile = fopen(szFilename, "wb");
  if( !pFile )
    return;
  fprintf(pFile, "P6\n%d %d\n255\n", width, height);
 
  for( y = 0; y < height; y++ )
    fwrite(pFrame->data[0] + y * pFrame->linesize[0], 1, width * 3, pFile);
 
  fclose(pFile);
}