共计 8698 个字符，预计需要花费 22 分钟才能阅读完成。
本文以 ffmpeg 的 C 语言编程过程，讲述简单的音视频转码过程更多内容可以访问我的博客
前言
本文以 ffmpeg 工具，讲述如何认识音视频编程，你可以了解到常见视频格式的大概样子，一步步学会如何使用 ffmpeg 的 C 语言 API
本文重于动手实践，代码仓库：mpegUtil
笔者的开发环境：Arch Linux 4.19.12, ffmpeg version n4.1
解码过程总览
以下是解码流程图，逆向即是编码流程
本文是音视频编程入门篇，先略过传输协议层，主要讲格式层与编解码层的编程例子。
写在最前面的日志处理
边编程边执行，查看日志输出，是最直接的反馈，以感受学习的进度。对于 ffmpeg 的日志，需要提前这样处理：
/* log.c */
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <libavutil/log.h>
// 定义输出日志的函数，留白给使用者实现
extern void Ffmpeglog(int , char*);
static void log_callback(void *avcl, int level, const char *fmt, va_list vl)
{
(void) avcl;
char log[1024] = {0};
int n = vsnprintf(log, 1024, fmt, vl);
if (n > 0 && log[n – 1] == ‘\n’)
log[n – 1] = 0;
if (strlen(log) == 0)
return;
Ffmpeglog(level, log);
}
void set_log_callback()
{
// 给 av 解码器注册日志回调函数
av_log_set_callback(log_callback);
}
/* main.c */
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
void Ffmpeglog(int l, char* t) {
if(l <= AV_LOG_INFO)
fprintf(stdout, “%s\n”, t);
}
ffmpeg 有不同等级的日志，本文只需使用 AV_LOG_INFO 即可。
第一步，查看音视频格式信息
料理食材的第一步，得先懂得食材的来源和特性。
来源，互联网在线观看（http/rtmp）、播放设备上存储的视频文件（file）。
格式，如何查看视频文件的格式呢，以下有 unix 命令行示例，至于 windows 系统，查看文件属性即可。
# linux 上查看视频文件信息
ffmpeg -i example.mp4
以某个 mp4 文件为例，输出：
Input #0, mov,mp4,m4a,3gp,3g2,mj2, from ‘example.mp4’:
Metadata:
major_brand : isom
minor_version : 512
compatible_brands: isomiso2avc1mp41
encoder : Wxmm_900012345
Duration: 00:00:58.21, start: 0.000000, bitrate: 541 kb/s
Stream #0:0(und): Video: h264 (High) (avc1 / 0x31637661), yuv420p, 368×640, 487 kb/s, 24 fps, 24 tbr, 12288 tbn, 48 tbc (default)
Metadata:
handler_name : VideoHandler
Stream #0:1(und): Audio: aac (LC) (mp4a / 0x6134706D), 44100 Hz, stereo, fltp, 48 kb/s (default)
Metadata:
handler_name : SoundHandler
根据命令输出信息，视频文件中有两个 stream, 即 video 与 audio，视频流与音频流。
stream 0, 是视频数据，编码格式为 h264，24 fps 意为 24 frame per second，即每秒 24 帧，比特率 487 kb/s,
stream 1, 是音频数据，编码格式为 acc，采样率 44100 Hz，比特率 48 kb/s
【编程实操】读取音视频流的格式信息
在互联网场景中，在线观看视频才是常见需求，那么，计算机如何读取视频流的信息呢，下面以 ffmpeg 代码讲述
/* C 代码例子，省略了处理错误的逻辑 */
AVFormatContext *fmt_ctx = NULL; // AV 格式上下文
AVIOContext *avio_ctx = NULL; // AV IO 上下文
unsigned char *avio_ctx_buffer = NULL; // input buffer
fmt_ctx = avformat_alloc_context();// 获得 AV format 句柄
avio_ctx_buffer = (unsigned char *)av_malloc(data_size); // ffmpeg 分配内存的方法，给输入分配缓存
/* fread(file) or memcpy(avio_ctx_buffer, inBuf, n) 省略拷贝文件流的步骤 */
// 给 av format context 分配 io 操作的句柄，必要传参：输入数据的指针、数据大小、write_flag=0表明 buffer 不可写，其他参数忽略，置 NULL
avio_ctx = avio_alloc_context(avio_ctx_buffer, data_size, 0, NULL, NULL, NULL, NULL);
fmt_ctx->pb = avio_ctx;
// 打开输入的数据流，读取 header 的格式内容，注意必须的后续处理 avformat_close_input()
avformat_open_input(&fmt_ctx, NULL, NULL, NULL)
// 获取音视频流的信息
avformat_find_stream_info(fmt_ctx, NULL)
ffmpeg 有一个方法直接打印音视频信息
av_dump_format(fmt_ctx, 0, NULL, 0);
print: (源码的输出格式凌乱，笔者整理过)
Input #0, mov,mp4,m4a,3gp,3g2,mj2, from ‘(null)’:
Stream #0:0 : Video: h264 (High) (avc1 / 0x31637661), yuv420p, 368×640, 487 kb/s 24 fps,
Stream #0:1 : Audio: aac (LC) (mp4a / 0x6134706D), 44100 Hz, stereo, fltp, 48 kb/s
实践编程，获取音视频信息，当然需要细致地调用 API，看下面代码
查看音视频流的索引、类型、解码器类型
avformat_find_stream_info(fmt_ctx, NULL);
for(int i=0; i<fmt_ctx->nb_streams; i++){
AVStream *stream = fmt_ctx->streams[i];
AVCodecParameters *codec_par = stream->codecpar;
av_log(NULL, AV_LOG_INFO, “find audio stream index=%d, type=%s, codec id=%d”,
i, av_get_media_type_string(codec_par->codec_type), codec_par->codec_id);
}
print:
find audio stream index=0, type=video, codec id=27
find audio stream index=1, type=audio, codec id=86018
看到没，上面代码只获得解码器的 id 值(枚举类型)，那么解码器的信息呢，加上下面代码，可以看到音视频流的格式，同时获得解码器，方便“解码步骤”使用。
AVCodec *decodec = NULL;
decodec = avcodec_find_decoder(codec_par->codec_id); // 获得解码器
av_log(NULL, AV_LOG_INFO, “find codec name=%s\t%s”, decodec->name, decodec->long_name);
print:
find audio stream index=0, type=video, codec id=27
find codec name=h264 H.264 / AVC / MPEG-4 AVC / MPEG-4 part 10
find audio stream index=1, type=audio, codec id=86018
find codec name=aac AAC (Advanced Audio Coding)
关于视频，可以查看帧率(一秒有多少帧画面)
// 获得一个分数
AVRational framerate = av_guess_frame_rate(fmt_ctx, stream, NULL);
av_log(NULL, AV_LOG_INFO, “video framerate=%d/%d”, framerate.num, framerate.den);
print:
video framerate=24/1
至此，我们掌握了如何利用 ffmpeg 的 C 语言 API 来读取音视频文件流的信息
第二步，解码
简单说一下音视频文件的解码过程，对大部分音视频格式来说，在原始流的数据中，不同类型的流会按时序先后交错在一起，这是多路复用，这样的数据分布，即有利于播放器打开本地文件，读取某一时段的音视频时，方便进行 fseek 操作（移动文件描述符的读写指针）；也有利于网络在线观看视频，“空投”从某一刻开始播放视频，从文件某一段下载数据。
直观的看下面的循环读取文件流的代码
/* begin 解码过程 */
AVPacket *pkt;
AVFrame *frame;
// 分配原始文件流 packet 的缓存
pkt = av_packet_alloc();
// 分配 AV 帧 的内存
frame = av_frame_alloc();
// 在循环中不断读取下一个文件流的 packet 包
while (av_read_frame(fmt_ctx, pkt) >= 0) {
if(pkt->size){
/*
demux 解复用
原始流的数据中，不同格式的流会交错在一起（多路复用）
从原始流中读取的每一个 packet 的流可能是不一样的，需要判断 packet 的流索引，按类型处理
*/
if(pkt->stream_index == video_stream_idx){
// 此处省略处理视频的逻辑
}else if(pkt->stream_index == audio_stream_idx){
// 此处省略处理音频的逻辑
}
}
av_packet_unref(pkt);
av_frame_unref(frame);
}
/* end 解码过程 */
// flush data
avcodec_send_packet(video_decodec_ctx, NULL);
avcodec_send_packet(audio_decodec_ctx, NULL);
上面代码是对音视频流进行解复用的主要过程，在循环中分别处理不同类型的流数据，到了这一步，就是使用解码器对循环中获取的 packet 包进行解码。
解码前的准备
ffmepg 中，解码工具需要初始化好两个指针，一个是解码器，一个是解码器上下文，上下文是用来存储此次操作的变量集合，比如 io 的句柄、解码的帧数累加值，视频的帧率等等。让我们重新编写上面读取音视频流的循环，给音视频流分别分配好这两个指针，并且处理好错误返回值。（下面代码的 goto 语句暂且略过，后面再提）
// find codec
int video_stream_idx = -1, audio_stream_idx = -1;
AVStream *video_stream = NULL, *audio_stream = NULL;
AVCodecContext *video_decodec_ctx=NULL, *audio_decodec_ctx=NULL;
// AVFormatContext.nb_stream 记录了该 URL 中包含有几路流
for(int i=0; i<fmt_ctx->nb_streams; i++){
AVStream *stream = fmt_ctx->streams[i];
AVCodecParameters *codec_par = stream->codecpar;
AVCodec *decodec = NULL;
AVCodecContext *decodec_ctx = NULL;
av_log(NULL, AV_LOG_INFO, “find audio stream index=%d, type=%s, codec id=%d”,
i, av_get_media_type_string(codec_par->codec_type), codec_par->codec_id);
// 获得解码器
decodec = avcodec_find_decoder(codec_par->codec_id);
if(!decodec){
av_log(NULL, AV_LOG_ERROR, “fail to find decodec\n”);
goto clean2;
}
av_log(NULL, AV_LOG_INFO, “find codec name=%s\t%s”, decodec->name, decodec->long_name);
// 分配解码器上下文句柄
decodec_ctx = avcodec_alloc_context3(decodec);
if(!decodec_ctx){
av_log(NULL, AV_LOG_ERROR, “fail to allocate codec context\n”);
goto clean2;
}
// 复制流信息到解码器上下文
if(avcodec_parameters_to_context(decodec_ctx, codec_par) < 0){
av_log(NULL, AV_LOG_ERROR, “fail to copy codec parameters to decoder context\n”);
avcodec_free_context(&decodec_ctx);
goto clean2;
}
// 初始化解码器
if ((ret = avcodec_open2(decodec_ctx, decodec, NULL)) < 0) {
av_log(NULL, AV_LOG_ERROR, “Failed to open %s codec\n”, decodec->name);
return ret;
}
if(stream->codecpar->codec_type == AVMEDIA_TYPE_VIDEO){
// 视频的属性，帧率，这里 av_guess_frame_rate() 非必须，看业务是否需要使用帧率参数
decodec_ctx->framerate = av_guess_frame_rate(fmt_ctx, stream, NULL);
av_log(NULL, AV_LOG_INFO, “video framerate=%d/%d”, decodec_ctx->framerate.num, decodec_ctx->framerate.den);
video_stream_idx = i;
video_stream = stream;
video_decodec_ctx = decodec_ctx;
} else if(stream->codecpar->codec_type == AVMEDIA_TYPE_AUDIO){
audio_stream_idx = i;
audio_stream = stream;
audio_decodec_ctx = decodec_ctx;
}
}
以上方式是循环读取文件的所有 stream，便于查看文件中有什么流，如视频、音频、字幕等，若是业务需求，只要对单独一个流（比如视频），可以用以下方式获取特定的流。
if (avformat_find_stream_info(fmt_ctx, NULL) < 0) {
av_log(NULL, AV_LOG_ERROR, “Could not find stream information\n”);
goto clean1;
}
ret = av_find_best_stream(fmt_ctx, AVMEDIA_TYPE_VIDEO, -1, -1, NULL, 0);
if (ret < 0) {
av_log(NULL, AV_LOG_ERROR, “Could not find %s stream\n”,
av_get_media_type_string(type));
return ret;
}
int stream_index = ret;
AVStream *st = fmt_ctx->streams[stream_index];
解码的循环
修改上面解码的循环，以视频流为例，如何从流中读取帧，为便于理解，在关键地方有清楚的注释。
while (av_read_frame(fmt_ctx, pkt) >= 0) {
if(pkt->size){
/*
demux 解复用
原始流的数据中，不同格式的流会交错在一起（多路复用）
从原始流中读取的每一个 packet 的流可能是不一样的，需要判断 packet 的流索引，按类型处理
*/
if(pkt->stream_index == video_stream_idx){
// 向解码器发送原始压缩数据 packet
if((ret = avcodec_send_packet(video_decodec_ctx, pkt)) < 0){
av_log(NULL, AV_LOG_ERROR, “Error sending a packet for decoding, ret=%d”, ret);
break;
}
/*
解码输出视频帧
avcodec_receive_frame()返回 EAGAIN 表示需要更多帧来参与编码
像 MPEG 等格式, P 帧 (预测帧) 需要依赖 I 帧 (关键帧) 或者前面的 P 帧，使用比较或者差分方式编码
读取 frame 需要循环，因为读取多个 packet 后，可能获得多个 frame
*/
while(ret >= 0){
ret = avcodec_receive_frame(video_decodec_ctx, frame);
if(ret == AVERROR(EAGAIN) || ret == AVERROR_EOF){
break;
}
/*
DEBUG 打印出视频的时间
pts = display timestamp
视频流有基准时间 time_base，即每 1 pts 的时间间隔(单位秒)
使用 pts * av_q2d(time_base) 可知当前帧的显示时间
*/
if(video_decodec_ctx->frame_number%100 == 0){
av_log(NULL, AV_LOG_INFO, “read video No.%d frame, pts=%d, timestamp=%f seconds”,
video_decodec_ctx->frame_number, frame->pts, frame->pts * av_q2d(video_stream->time_base));
}
/*
在第一个视频帧读取成功时，可以进行：
1、若要转码，初始化相应的编码器
2、若要加过滤器，比如水印、旋转等，这里初始化 filter
*/
if (video_decodec_ctx->frame_number == 1) {
}else{
}
av_frame_unref(frame);
}
}else if(pkt->stream_index == audio_stream_idx){
}
}
av_packet_unref(pkt);
av_frame_unref(frame);
}
回收内存
上文的代码中，多次出现 goto 语句，我认为适当的使用 goto 使编程更加方便，比如执行过程结束的清理工作，以下是回收 ffmpeg AV 库产生的各种变量的内存，C/C++ 语言编程都需要多注意这一点。
clean5:
av_frame_free(&frame);
//av_parser_close(parser);
clean4:
av_packet_free(&pkt);
clean3:
if(NULL != video_decodec_ctx)
avcodec_free_context(&video_decodec_ctx);
if(NULL != audio_decodec_ctx)
avcodec_free_context(&audio_decodec_ctx);
clean2:
av_freep(&fmt_ctx->pb->buffer);
av_freep(&fmt_ctx->pb);
clean1:
avformat_close_input(&fmt_ctx);
end:
return ret;
自由发挥
看到了这里，可以说入门 ffmpeg 编程了，什么，你问后面的转码怎么做？笔者就留白了，本文已经介绍了最基本的解码过程了，编码也就是逆向过程，我建议阅读 ffmepg 官方源码的 example，以及多了解音视频各种格式的知识。
实际例子
我提供两个小例子在 github 上
转码 GIF
生成缩略图
请安装好 linux 下 ffmepg 环境，找到例子代码里的 Makefile 文件编译，例如：
make -f Makefile_test_dump_info
以后我会将这两个小例子修改，实现跨语言调用，如 nodejs addon 或 golang cgo
Reference
ffmpeg example (本文代码就是从 example 改过来的)
