FFmpeg代码架构

马上就说

发布于 2020-11-11 17:38:10

1.6K0

发布于 2020-11-11 17:38:10

文章被收录于专栏：码上就说码上就说

FFmpeg模块分类

打开FFmpeg源码，会发现有一系列libavxxx的模块，这些模块很好地划分了代码的结构和分工。

libavformat，format，格式封装
libavcodec，codec，编码、解码
libavutil，util，通用音视频工具，像素、IO、时间等工具
libavfilter，filter，过滤器，可以用作音视频特效处理
libavdevice，device，设备（摄像头、拾音器）
libswscale，scale，视频图像缩放，像素格式互换
libavresample，resample，重采样
libswresample，也是重采样，类似图像缩放
libpostproc，后期处理

对于入门来说，最重要的是前面三个，也就是format、codec、util，这三个是最基本的库，我们先理一下这三个库的基本结构：

FFmpeg中的Context

如果你看过FFmpeg的代码，就很容易发现，FFmpeg里有各式各样的结构体，有一类结构体的命名规则比较类似，都是XxxxContext。

AVFormatContext
AVCodecContext
AVCodecParserContext
AVIOContext
AVFilterContext

当然还有很多Context，上面只是列出比较典型的几种，一看这种命名规则就和面向对象中的命名很类似。 Context是持有的上下文，是数据链路传递过程中的持有数据的对象。其实这是FFmpeg在运用面向对象的思想来编程。XxxxContext可以看做是C语言“类”的实现。 C语言没有类的语法特征，但可以用结构体struct来描述一组元素的集合。如果把XxxxContext看做类，成员变量显然可以用结构体struct来模拟。

下面一个简单的例子表示下：

struct AVFormatContext {
    iformat;
    oformat;
}
avformat_alloc_context(); 
avformat_free_context();

class AVFormatContext {
    private:
        iformat;
        oformat;
 
    public:
        AVFormatContext();
        ~AVFormatContext();
}

其实FFmpeg中的XxxxContext的写法就是按照面向对象的语法设计的。对面向对象比较熟悉的同学其实看到这些命名应该比较亲切。

AVFormatContext

AVFormatContext是FFmpeg中打开文件必备的一个结构体。之前介绍过，格式Format是音视频的一个核心概念，所以在FFmpeg里你需要经常与AVFormatContext打交道。因为一般不是直接操作解封装器Demuxer和封装器Muxer，而是通过AVFormatContext来操作它们。

常用的 AVFormatContext 的操作，可以分为3类：

通用的函数，例如创建和销毁，等价于C++的构造函数和析构函数。
对输入视频流的读操作，用于输入处理，也就是使用解封装器Demuxer对视频流进行操作，是读操作。
对输出视频流的写操作，用于输出处理，也就是使用封装器Muxer对视频流进行操作，是写操作。

iformat对应的是AVInputFormat，oformat对应的是AVOutputFormat，正好说一下AVFormatContext和AVInputFormat/AVOutputFormat的区别。 AVFormatContext持有的是传递过程中的数据，这些数据在整个传递路径上都存在，或者都可以复用，AVInputFormat/AVOutputFormat中包含的是动作，包含着如何解析得到的这些数据。

AVStream **streams; 是媒体文件中包含的流数据，几条流，媒体流中分别是音频、视频、字幕等等。

avformat_alloc_context() 创建输入媒体文件的AVFormatContext
avformat_alloc_output_context2() 创建输出媒体文件的AVFormatContext
av_dump_format() 打印format详情
avformat_open_input() 打开媒体文件，探知媒体文件的封装格式。
avformat_close_input() 关闭媒体文件
avformat_find_stream_info() 探知媒体文件中的流信息，几条流，每条流的基本信息。
av_read_frame() 读取媒体文件中每一帧数据，这是未解码之前的帧
avformat_write_header() 写入输出文件的媒体头部信息
av_interleaved_write_frame() 写入输出文件的帧信息，此帧信息已经调整了帧与帧之间的关联了。
av_write_uncoded_frame() 写入输出文件的未编码的帧信息
av_write_frame() 写入输出文件的已编码的帧信息
av_write_trailer() 写入输出文件的媒体尾部信息

对于AVFormatContext的使用，主要就是读视频和写视频，下面是基本的流程：

读视频流程：

1.创建avformat上下文 AVFormatContext *ifmt_ctx = avformat_alloc_context()
2.打开视频文件 avformat_open_input(&ifmt_ctx, in_filename, 0, 0)
3.持续读取视频帧 while(...) { av_read_frame(ifmt_ctx, &pkt) }
4.关闭avformat上下文 avformat_close_input(&ifmt_ctx)

写视频流程：

1.创建输出上下文 avformat_alloc_output_context2(&ofmt_ctx, NULL, NULL, out_filename)
2.写格式头部 avformat_write_header(ofmt_ctx, NULL)
3.持续输出帧 while(...) { av_interleaved_write_frame(ofmt_ctx, &pkt) }
4.写格式尾部 av_write_trailer(ofmt_ctx)
5.关闭上下文 avformat_free_context(ofmt_ctx)

AVInputFormat

解封装器Demuxer，正式的结构体是AVInputFormat，其实是一个接口，功能是对封装后的格式容器解开获得编码后的音视频的工具。简单说，就是拆包工具。

我们所知道的各种多媒体格式，例如MP4、MP3、FLV等格式的读取，都有AVInputFormat的具体实现。

demuxer的种类很多，而且是可配置的，demuxer有多少，可以看一下demuxer_list.c文件，太多了，不一一列举了，我们举一个mp4 demuxer的例子。

下面是mp4视频格式的解封装器ff_mov_demuxer，在mov.c中：

AVInputFormat ff_mov_demuxer = {
    .name           = "mov,mp4,m4a,3gp,3g2,mj2",
    .long_name      = NULL_IF_CONFIG_SMALL("QuickTime / MOV"),
    .priv_class     = &mov_class,
    .priv_data_size = sizeof(MOVContext),
    .extensions     = "mov,mp4,m4a,3gp,3g2,mj2",
    .read_probe     = mov_probe,
    .read_header    = mov_read_header,
    .read_packet    = mov_read_packet,
    .read_close     = mov_read_close,
    .read_seek      = mov_read_seek,
    .flags          = AVFMT_NO_BYTE_SEEK | AVFMT_SEEK_TO_PTS,
};

看到了有几个函数指针：

read_probe 探测一下什么封装格式
read_header 读取格式头部数据
read_packet 读取解封装之后的数据包
read_close 关闭对象
read_seek 格式的seek读取控制

你可以看到AVInputFormat提供的是类似接口一样的功能，而ff_mov_demuxer是其的一个具体实现。FFmpeg其实本身的逻辑并不复杂，只是由于支持的格式特别丰富，所以代码才如此多。如果我们先把大部分格式忽略掉，重点关注FFmpeg对其中几个格式的实现，可以更好理解FFmpeg。

AVOutputFormat

封装器 Muxer，对应的结构体是AVOutputFormat，也是一个接口，功能是对编码后的音视频封装进格式容器的工具。简单说，就是打包工具。

跟解封装器 Demuxer类似，也是MP4、MP3、FLV等格式的实现，差别是封装器 Muxer用于输出。

与demuxer类似，muxer的种类很多，可以看一下muxer_list.c文件。下面看一下mp3的muxer，在mp3enc.c中：

AVOutputFormat ff_mp3_muxer = {
    .name              = "mp3",
    .long_name         = NULL_IF_CONFIG_SMALL("MP3 (MPEG audio layer 3)"),
    .mime_type         = "audio/mpeg",
    .extensions        = "mp3",
    .priv_data_size    = sizeof(MP3Context),
    .audio_codec       = AV_CODEC_ID_MP3,
    .video_codec       = AV_CODEC_ID_PNG,
    .write_header      = mp3_write_header,
    .write_packet      = mp3_write_packet,
    .write_trailer     = mp3_write_trailer,
    .query_codec       = query_codec,
    .flags             = AVFMT_NOTIMESTAMPS,
    .priv_class        = &mp3_muxer_class,
};

上面也有对应的指针函数，是demuxer的反过程。

AVCodecContext

跟AVFormatContext类似，我们也是通过AVCodecContext对编码器Encoder和解码器Decoder操作，一般也不直接操作编解码器。所以需要实现编解码，一般都要跟AVCodecContext打交道。

和demuxer与muxer一样，codec也有decode和encode之分，具体可以参考codec_list.c文件：查看ff_libx264_encoder，在libx264.c中：

AVCodec ff_libx264_encoder = {
    .name             = "libx264",
    .long_name        = NULL_IF_CONFIG_SMALL("libx264 H.264 / AVC / MPEG-4 AVC / MPEG-4 part 10"),
    .type             = AVMEDIA_TYPE_VIDEO,
    .id               = AV_CODEC_ID_H264,
    .priv_data_size   = sizeof(X264Context),
    .init             = X264_init,
    .encode2          = X264_frame,
    .close            = X264_close,
    .capabilities     = AV_CODEC_CAP_DELAY | AV_CODEC_CAP_AUTO_THREADS |
                        AV_CODEC_CAP_ENCODER_REORDERED_OPAQUE,
    .priv_class       = &x264_class,
    .defaults         = x264_defaults,
    .init_static_data = X264_init_static,
    .caps_internal    = FF_CODEC_CAP_INIT_CLEANUP,
    .wrapper_name     = "libx264",
};

其中核心的函数就是encode2，对应X264_frame函数

FFmpeg中的Parser

解析器 Parser，将输入流转换为帧的数据包由于解码器的输入是一个完整的帧数据包，而无论是网络传输还是文件读取，一般都是固定的buffer来读取的，而不是安装格式的帧大小来读取，所以我们需要解析器Parser将流整理成一个一个的Frame数据包。

parser的全局声明在parsers.c，具体的定义在list_parser.c 看一下h264_parser.c中的ff_h264_parser例子：

AVCodecParser ff_h264_parser = {
    .codec_ids      = { AV_CODEC_ID_H264 },
    .priv_data_size = sizeof(H264ParseContext),
    .parser_init    = init,
    .parser_parse   = h264_parse,
    .parser_close   = h264_close,
    .split          = h264_split,
};

H264ParseContext结构中是H264格式的帧数据定义。

typedef struct H264ParseContext {
    ParseContext pc;
    H264ParamSets ps;
    H264DSPContext h264dsp;
    H264POCContext poc;
    H264SEIContext sei;
    int is_avc;
    int nal_length_size;
    int got_first;
    int picture_structure;
    uint8_t parse_history[6];
    int parse_history_count;
    int parse_last_mb;
    int64_t reference_dts;
    int last_frame_num, last_picture_structure;
} H264ParseContext;

这儿大家简单看下，其中H264ParamSets很重要，H264关键的参数都在这儿定义：我们熟知的sps、pps都在这儿定义，有了这两个定义，我们方便在宏块中快速找到当前帧的属性。

typedef struct H264ParamSets {
    AVBufferRef *sps_list[MAX_SPS_COUNT];
    AVBufferRef *pps_list[MAX_PPS_COUNT];

    AVBufferRef *pps_ref;
    AVBufferRef *sps_ref;
    /* currently active parameters sets */
    const PPS *pps;
    const SPS *sps;
} H264ParamSets;

小结

FFmpeg的学习过程很难，梳理清楚结构，整体的代码脉络就比较清楚了，但是libavfilter等核心模块本文没有讲。这个模块非常庞大，而且可以自定义，后续会单独讲一下。
在实践中学习FFmpeg进步会快一些。下面提供一些实践的思路。 FFmpeg代码结构 FFmpeg交叉编译 FFmpeg解封装 FFmpeg重封装 FFmpeg解码 FFmpeg分离音视频流

本文参与腾讯云自媒体分享计划，分享自微信公众号。

原始发表：2020-10-08，如有侵权请联系 cloudcommunity@tencent.com 删除

视频处理