ffmpeg api的应用——提取视频图片
这些年来，“短视频”吸引了无数网民的注意。相对于丰富有趣的内容，我们码农可能更关心其底层技术实现。本系列文章将结合ffmpeg，讲解几则视频处理案例。（转载请指明出于breaksoftware的csdn博客）
“短视频”都是以“文件"的形式保存于服务器上。任何一个便于传播的文件都会有一种定义良好的格式，同样视频也有其格式。这系列我们不会去从微观的角度去分析这些格式，因为其应用意义不是很大。我们将从宏观角度去分析，视频文件应该包含哪些信息？
能确定的是，大部分情况下，我们可以使用眼睛看到“图像”，使用耳朵听到“声音”。如果我们关闭其中任意一个器官，就将停止接受对应的信息；而没有关闭的器官还和之前一样接受信息，不受影响。
所以目前至少我们可以把视频分为：图像和声音两个模块。那这两个模块是怎么组合的？是不是一个极短时间内的图像和声音（比如我们此时此刻正看到的图像和听到的声音）融合在一个“区块”中？
从设计的角度说，“耦合”是非常不好的。如果将图像和声音信息融合在一个“区块”中，就是一种很强的“耦合”。一种良好的设计就像我们小时候在电影院看的电影文件（不知道现在电影播放的原理）：一个文件用于播放图像，一个文件用于播放声音。这样我们可以配一个普通话版，一个英语版、一个法语版……的音频文件，而不用去修改播放的图像文件。但是我们在PC上看到的视频文件是一个独立文件，那是怎么搞的？
于是在设计就要在“易用”和“可维护”之间做个平衡：宏观层面融合图像和声音文件，微观层面图像和声音信息是分离的。对应到ffmpeg上来说就是：
- 图像文件和声音文件分别是一个流——AVStream结构；
- 图像文件和声音文件微观分离体现在它们都是独立的包——AVPacket；
- 图像文件和声音文件宏观融合是通过“视音频复用器——Muxer”融合的；
以ffmpeg4.0.2版本的API为例
void get_video_pictures(const char* file_path) {
std::unique_ptr<AVFormatContext, std::function<void(AVFormatContext*)>> avfmt_ctx_t(
avformat_alloc_context(),
[](AVFormatContext *s) {
if (s) {
avformat_close_input(&s);
}
}
);
AVFormatContext* && avfmt_ctx = avfmt_ctx_t.get();
if (avformat_open_input(&avfmt_ctx, file_path, NULL, NULL)) {
std::cerr << "avformat_open_input error";
return;
}首先我们需要构造一个AVFormatContext对象，它用于承载我们分析文件的上下文。Context（上下文）这个概念在ffmpeg中非常重要，我们可以通过它的一些参数干预ffmpeg底层的行为，还可以通过它获得对应层面的信息。之后我们会遇到各种Context。这类Context的使用有比较固定的套路：
- 使用XXXXX_alloc_context分配空间。AVFormatContext对应的就是avformat_alloc_context。
- 使用XXXXX_open_XXX初始化。_AVFormatContext对应的就是avformat_open_input。
- 使用XXXXX_free_context释放空间。AVFormatContext对应的就是avformat_free_context。由于avformat_close_input包含了更多的释放操作，且其底层也会调用avformat_free_context，所以此处我们使用了它。
AVFormatContext有个两个和“流”——AVStream相关的信息:nb_streams和streams。后者是一个AVStream数组的首地址，前者是该数组的元素个数。我们可以遍历所有流
for (unsigned int i = 0; i < avfmt_ctx->nb_streams; i++) {
AVStream *st = avfmt_ctx->streams[i];之前我们谈到，图像和声音分别属于不同的流，于是我们可以通过AVStream::codecpar::codec_type辨别流
enum AVMediaType {
AVMEDIA_TYPE_UNKNOWN = -1, ///< Usually treated as AVMEDIA_TYPE_DATA
AVMEDIA_TYPE_VIDEO,
AVMEDIA_TYPE_AUDIO,
AVMEDIA_TYPE_DATA, ///< Opaque data information usually continuous
AVMEDIA_TYPE_SUBTITLE,
AVMEDIA_TYPE_ATTACHMENT, ///< Opaque data information usually sparse
AVMEDIA_TYPE_NB
};在这组枚举类型中，我们还看到AVMEDIA_TYPE_SUBTITLE，它是“字幕流”类型。可以见得，字幕并不是刻印在图像上的。在现实生活中，我们在播放器中可以选择不同的字幕，不同的语言配音（英文/中文），这些都是以流的形式保存在视频文件这个容器中的，而且它们还可以是多份的。比如中文配音是一个流，英文配音是一个流，中文字幕是一个流，英文字幕是一个流。
如本文标题，我们需要从图像流中提取图片，于是切入AVMEDIA_TYPE_VIDEO类型的流进行操作
if (st->codecpar->codec_type == AVMEDIA_TYPE_VIDEO) {
std::unique_ptr<AVCodecContext, std::function<void(AVCodecContext*)>> avcodec_ctx(
avcodec_alloc_context3(NULL),
[](AVCodecContext *avctx) {
if (avctx) {
avcodec_free_context(&avctx);
}
}
);
if (0 > avcodec_parameters_to_context(avcodec_ctx.get(), st->codecpar)) {
std::cerr << "avcodec_parameters_to_context error.stream " << i;
continue;
}
AVCodec *avcodec = avcodec_find_decoder(avcodec_ctx->codec_id);
if (avcodec_open2(avcodec_ctx.get(), avcodec, NULL) < 0) {
std::cerr << "Failed to open codec" << std::endl;
continue;
}
save_video_pic(avfmt_ctx, i, avcodec_ctx.get());
}
}
}对于每个流，也有其自身的格式。我们需要使用解码器对该流进行解码分析，所以这次会涉及到AVCodecContext结构。和之前的Context使用套路一致：
- 使用avcodec_alloc_context3申请空间；
- 使用avcodec_free_context释放空间；
- 通过avcodec_parameters_to_context以流中解码器信息初始化；
- 通过avcodec_find_decoder找到对应的解码器；
- 使用avcodec_open2和上述找到的解码器，打开这个上下文；
这次我们没有使用avcodec_open2对应的avcodec_close方法，是因为该方法在4.0.2版本中被声明为“即将废弃”
/**
* Close a given AVCodecContext and free all the data associated with it
* (but not the AVCodecContext itself).
*
* Calling this function on an AVCodecContext that hasn't been opened will free
* the codec-specific data allocated in avcodec_alloc_context3() with a non-NULL
* codec. Subsequent calls will do nothing.
*
* @note Do not use this function. Use avcodec_free_context() to destroy a
* codec context (either open or closed). Opening and closing a codec context
* multiple times is not supported anymore -- use multiple codec contexts
* instead.
*/
int avcodec_close(AVCodecContext *avctx);类似的，我们没有直接使用AVSteam中的AVCodecContext *codec，也是因为它“即将废弃”
attribute_deprecated
AVCodecContext *codec;通过avcodec_open2打开一个和解码器相关的上下文后，我们就可以开始解码了。在这之前需要熟悉两个比较微观的结构——AVPacket和AVFrame。AVPacket是编码后（未解码）的数据结构，AVFrame是编码前（未编码）的结构。所以我们从一个视频文件中，通过av_read_frame读出来的是一个尚未解码的数据——AVPacket。
void save_video_pic(AVFormatContext *avfmt_ctx, int stream_index, AVCodecContext *avcodec_ctx) {
int err = av_seek_frame(avfmt_ctx, -1, avfmt_ctx->start_time, 0);
do {
std::unique_ptr<AVPacket, std::function<void(AVPacket*)>> avpacket_src(
av_packet_alloc(),
[](AVPacket *pkt) {
if (pkt) {
av_packet_free(&pkt);
}
}
);
av_init_packet(avpacket_src.get());
if (av_read_frame(avfmt_ctx, avpacket_src.get()) < 0) {
break;
}
if (avpacket_src->stream_index != stream_index) {
continue;
}注意第16行，它通过判断读出来的AVPacket的stream_index是否为之前分析出来的视频流下标，决定是否继续执行。 这个流程说明不同流的AVPacket在文件中可以是穿插分布的。这种设计存在一定的合理性。因为在同一时刻，图像、声音、字幕等都要展现出来，顺序性读取并解析可以减少频繁的跳转。
因为编解码过程比较类似，我将过程中结果保存组织在一个模板类中
template<typename Component>
class AvComponentStore {
public:
virtual void save(Component *d) = 0;
};
template<typename Component>
class TransStore :
public AvComponentStore<Component>
{
public:
TransStore(std::function<Component*(const Component*)> clone, std::function<void(Component**)> free) {
_clone = clone;
_free = free;
}
~TransStore() {
for (auto it = _store.begin(); it != _store.end(); it++) {
if (*it) {
_free(&*it);
}
}
}
public:
void traverse(std::function<void(Component*)> t) {
if (!t) {
return;
}
for (auto it = _store.begin(); it != _store.end(); it++) {
if (*it) {
t(*it);
}
}
}
public:
virtual void save(Component *d) {
Component *p = _clone(d);
_store.push_back(p);
}
private:
std::vector<Component*> _store;
std::function<Component*(const Component*)> _clone;
std::function<void(Component**)> _free;
};
using PacketsStore = TransStore<AVPacket>;
using FramesStore = TransStore<AVFrame>;FrameStore用于保存AVPacket的解码结果。对于中间产生的AVFrame结构，我们使用av_frame_clone深度拷贝。FrameStore对象释放时，将通过av_frame_free释放这些空间和资源。
std::shared_ptr<FramesStore> frames_store = std::make_shared<FramesStore>(av_frame_clone, av_frame_free);
decode_packet(avcodec_ctx, avpacket_src.get(), frames_store);
frames_store->traverse(traverse_frame);
} while (true);
}解码AVPacket通过avcodec_send_packet和avcodec_receive_frame实现。从语义上说，我们将一个解码前的数据发送给一个解码器上下文，然后从这个解码器上下文中获得解码后的数据。
int decode_packet(AVCodecContext *avctx, AVPacket *pkt, std::shared_ptr<FramesStore> store) {
int ret = avcodec_send_packet(avctx, pkt);
if (ret < 0 && ret != AVERROR_EOF) {
return ret;
}
std::unique_ptr<AVFrame, std::function<void(AVFrame*)>> frame(
av_frame_alloc(),
[](AVFrame *frame) {
if (frame) {
av_frame_free(&frame);
}
}
);
ret = avcodec_receive_frame(avctx, frame.get());
if (ret >= 0) {
store->save(frame.get());
}
else if (ret < 0 && ret != AVERROR(EAGAIN)) {
return ret;
}
return 0;
}对于每个解码后的数据，我们需要通过图片编码器将其编码成一个图片文件。
和之前生成解码器上下文相似，我们要构造一个编码器上下文。这次我们要使用avcodec_find_encoder去寻找编码器
void traverse_frame(AVFrame* avframe) {
AVCodec *avcodec = avcodec_find_encoder(AV_CODEC_ID_MJPEG);然后使用avcodec_open2去打开一个和该编码器相关的上下文
std::unique_ptr<AVCodecContext, std::function<void(AVCodecContext*)>> avcodec_ctx_output(
avcodec_alloc_context3(avcodec),
[](AVCodecContext *avctx) {
if (avctx) {
avcodec_free_context(&avctx);
}
}
);
avcodec_ctx_output->width = avframe->width;
avcodec_ctx_output->height = avframe->height;
avcodec_ctx_output->time_base.num = 1;
avcodec_ctx_output->time_base.den = 1000;
avcodec_ctx_output->pix_fmt = AV_PIX_FMT_YUVJ420P;
avcodec_ctx_output->codec_id = avcodec->id;
avcodec_ctx_output->codec_type = AVMEDIA_TYPE_VIDEO;
if (avcodec_open2(avcodec_ctx_output.get(), avcodec, nullptr) < 0) {
std::cerr << "Failed to open codec" << std::endl;
return;
}encode_frame方法将把每个AVFrame打包成若干个AVPacket，并保存在PacketsStore对象中
std::shared_ptr<PacketsStore> packets_store = std::make_shared<PacketsStore>(av_packet_clone, av_packet_free);
if (encode_frame(avcodec_ctx_output.get(), avframe, packets_store) < 0) {
std::cerr << "encode_frame error" << std::endl;
return;
}编码的过程使用avcodec_send_frame和avcodec_receive_packet方法。从语义上就是将一个解码前的数据发送到一个编码器上下文，然后从这个上下文中获得编码后的数据。
int encode_frame(AVCodecContext *c, AVFrame *frame, std::shared_ptr<PacketsStore> store) {
int ret;
int size = 0;
std::unique_ptr<AVPacket, std::function<void(AVPacket*)>> pkt(
av_packet_alloc(),
[](AVPacket *pkt) {
if (pkt) {
av_packet_free(&pkt);
}
}
);
av_init_packet(pkt.get());
ret = avcodec_send_frame(c, frame);
if (ret < 0) {
return ret;
}
do {
ret = avcodec_receive_packet(c, pkt.get());
if (ret >= 0) {
store->save(pkt.get());
size += pkt->size;
av_packet_unref(pkt.get());
}
else if (ret < 0 && ret != AVERROR(EAGAIN) && ret != AVERROR_EOF) {
return ret;
}
} while (ret >= 0);
return size;
}在编码完数据后，我们将其保存到一个文件中。
std::string&& file_name = gen_pic_name(avframe);
std::unique_ptr<std::FILE, std::function<int(FILE*)>> file(std::fopen(file_name.c_str(), "wb"), std::fclose);
packets_store->traverse(
[&file](AVPacket* packet){
fwrite(packet->data, 1, packet->size, file.get());
}
);
}