学习FFmpeg API – 解码视频

本文转载

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 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。

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。

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。

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:

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:

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。

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：

学习FFmpeg API – 解码视频