其他
FFmpeg连载2-分离视频和音频
前言
前面我们搭建好了FFmpeg的开发环境，今天我们就来小试牛刀，使用FFmpeg库对mp4文件进行解封装，提取mp4中的视频流和音频流输出到单独的输出文件中。关于FFmpeg开发环境搭建可以看我之前的文章:
所谓的分离视频和音频是我们通俗的说法，官方的说法叫解封装。与解封装对应的叫封装或复用器，也就是将多个视频流或音频流合并成一个多媒体文件就叫封装。
API及数据结构介绍
在FFmpeg中解封装的大致流程如下图所示：
在这里需要注意的一个点是av_find_best_stream不一定能获取到你想要的流，比如你想通过av_find_best_stream获取音频流的索引，笔者开发中发现对于某些格式是无法获取成功的，
此时需要遍历一下解封装上下文的流，通过流的解码器类型来进行获取，例如你想要获取音频流，则可以判断解码器的类型是否是音频解码器即可。
下面介绍一下实现分离视频和音频数据所需要使用到的主要API以及相关的数据结构。
1、libavformat
libavformat库，是FFmpeg中用于处理各种媒体容器格式的库，它描述了一个媒体文件或媒体流的构成和基本信息，它的两个主要功能就是封装和解封装，可以说它是贯穿整个FFmpeg的根。
在解封装时，我们主要用到avformat中的几个函数avformat_alloc_context、avformat_open_input和avformat_close_input，其中avformat_open_input和avformat_close_input是
一对搭配使用的函数，一个打开一个关闭，千万不要忘记avformat_close_input，否则会发生内存泄漏。
2、AVPacket
AVPacket类，用于存储编码后的帧数据。它一般由解封装导出，然后传递给解码器作为输入；又或者，从编码器作为输出，然后传递给封装去进行写入。
AVPacket可以表示一个视频包或者一个音频包，内部包含了这个视频包或音频包的播放时长，播放时间戳、二进制数据等相关信息。对于音视频等二进制数据，AVPacket内部使用了引用计数的方式进行数据共享。
对于AVPacket的那个字段，我们点进去头文件可以看到每个字段都有清晰的注释解析，这里就不细说了，例如:
typedef struct AVPacket {
/**
* A reference to the reference-counted buffer where the packet data is
* stored.
* May be NULL, then the packet data is not reference-counted.
*/
AVBufferRef *buf;
/**
* Presentation timestamp in AVStream->time_base units; the time at which
* the decompressed packet will be presented to the user.
* Can be AV_NOPTS_VALUE if it is not stored in the file.
* pts MUST be larger or equal to dts as presentation cannot happen before
* decompression, unless one wants to view hex dumps. Some formats misuse
* the terms dts and pts/cts to mean something different. Such timestamps
* must be converted to true pts/dts before they are stored in AVPacket.
*/
int64_t pts;
/**
* Decompression timestamp in AVStream->time_base units; the time at which
* the packet is decompressed.
* Can be AV_NOPTS_VALUE if it is not stored in the file.
*/
int64_t dts;
uint8_t *data;
int size;
int stream_index;
/**
* A combination of AV_PKT_FLAG values
*/
int flags;
/**
* Additional packet data that can be provided by the container.
* Packet can contain several types of side information.
*/
AVPacketSideData *side_data;
int side_data_elems;
/**
* Duration of this packet in AVStream->time_base units, 0 if unknown.
* Equals next_pts - this_pts in presentation order.
*/
int64_t duration;
int64_t pos; ///< byte position in stream, -1 if unknown
/**
* for some private data of the user
*/
void *opaque;
/**
* AVBufferRef for free use by the API user. FFmpeg will never check the
* contents of the buffer ref. FFmpeg calls av_buffer_unref() on it when
* the packet is unreferenced. av_packet_copy_props() calls create a new
* reference with av_buffer_ref() for the target packet's opaque_ref field.
*
* This is unrelated to the opaque field, although it serves a similar
* purpose.
*/
AVBufferRef *opaque_ref;
/**
* Time base of the packet's timestamps.
* In the future, this field may be set on packets output by encoders or
* demuxers, but its value will be by default ignored on input to decoders
* or muxers.
*/
AVRational time_base;
} AVPacket;
下面是使用FFmpeg进行解封装的主要API调用:
avformat_alloc_context #封装结构体分配内存 // 可以不调用，avformat_open_input会判断入参是否为NULL，自行分配
avformat_open_input #打开输入文件用于读取数据
av_find_best_stream#获取流信息
针对每个stream处理
- pFormatContext->nb_streams
- avcodec_find_decoder #根据流中的编码参数AVCodecParameters，查找是否支持该编码
- 判断流的类型 pLocalCodecParameters->codec_type
- 保存AVCodecParameters和AVCodec，用于后续处理
av_read_frame #读取一包AVPacket数据包
提取视频
在FFMpeg中一般mp4解封装提取到的H264裸流是不带start code的，也就是提取到的这种H264裸流不能使用ffplay直接播放，还好FFmpeg很贴心地给我们提供了一个h264_mp4toannexb过滤器，通过这个过滤器我们可以很方便地
给提取到的H264加上start code，从而能让ffplay直接播放。
废话少说，直接上代码:
AVFormatContext *avFormatContext = nullptr;
AVPacket *avPacket = nullptr;
AVFrame *avFrame = nullptr;
FILE *h264_out = nullptr;
FILE *audio_out = nullptr;
AVBSFContext *bsf_ctx = nullptr;
void init_h264_mp4toannexb(AVCodecParameters *avCodecParameters) {
if (nullptr == bsf_ctx) {
const AVBitStreamFilter *bsfilter = av_bsf_get_by_name("h264_mp4toannexb");
// 2 初始化过滤器上下文
av_bsf_alloc(bsfilter, &bsf_ctx); //AVBSFContext;
// 3 添加解码器属性
avcodec_parameters_copy(bsf_ctx->par_in, avCodecParameters);
av_bsf_init(bsf_ctx);
}
}
void MediaDeMuxerCore::de_muxer_video(std::string media_path, std::string out_video_path) {
// 分配上下文
avFormatContext = avformat_alloc_context();
// 打开输入文件
avformat_open_input(&avFormatContext, media_path.c_str(), nullptr, nullptr);
// 获取视频流索引
int video_index = av_find_best_stream(avFormatContext, AVMEDIA_TYPE_VIDEO, -1, -1, nullptr, 0);
if (video_index < 0) {
std::cout << "没有找到视频流" << std::endl;
} else {
// 打印媒体信息
av_dump_format(avFormatContext, 0, media_path.c_str(), 0);
h264_out = fopen(out_video_path.c_str(), "wb");
AVStream *video_stream = avFormatContext->streams[video_index];
avPacket = av_packet_alloc();
av_init_packet(avPacket);
while (true) {
int rect = av_read_frame(avFormatContext, avPacket);
if (rect < 0) {
std::cout << "视频流读取完毕" << std::endl;
break;
} else if (video_index == avPacket->stream_index) { // 只需要视频的
std::cout << "写入视频size:" << avPacket->size << std::endl;
// 这里需要注意一下，一般的mp4读出来的的packet是不带start code的，需要手动加上，如果是ts的话则是带上了start code的
// 初始化过滤器，如果本身就是带了start code的调这个也没事，不会重复添加
init_h264_mp4toannexb(video_stream->codecpar);
if (av_bsf_send_packet(bsf_ctx, avPacket) != 0) {
av_packet_unref(avPacket); // 减少引用计数
continue; // 需要更多的包
}
av_packet_unref(avPacket); // 减少引用计数
while (av_bsf_receive_packet(bsf_ctx, avPacket) == 0) {
// printf("fwrite size:%d\n", pkt->size);
size_t size = fwrite(avPacket->data, 1, avPacket->size, h264_out);
av_packet_unref(avPacket); //减少引用计数
}
} else {
av_packet_unref(avPacket); //减少引用计数
}
}
// 刷
fflush(h264_out);
}
avformat_close_input(&avFormatContext);
}
提取音频
对于FFmpeg中解封装的音频AAC文件来说，mp4文件解封装出来的音频不附带adts头信息的，但是笔者看到有资料说对于ts格式的话好像解封装出来又是带有adts头的(笔者这个没有验证过)。对于这些没有附带adts头信息的aac音频文件，ffplay也是无法直接播放的，因此我们在提取音频信息时需要手动加上adts头信息。
针对添加adts头信息的话我们有两种方式，一种是对对adts比较熟悉的，可以在每个音频包的前面增加7个或者9个字节即可。还有一种就是使用FFmpeg的复用器封装功能，让其自动加上adts头信息。
其中使用FFmpeg内部复用器封装的步骤如下:
1、调用 av_guess_format 让ffmpeg帮你找到一个合适的文件格式。
2、调用 avformat_new_stream 为输出文件创建一个新流。3、调用 avio_open 打开新创建的文件。4、调用 avformat_write_header 写文件头。5、调用 av_interleaved_write_frame 写文件内容。6、调用 av_write_trailer 写文件尾。7、调用 avio_close 关闭文件
后面的代码笔者两种方式都简单测试了一下，提取到的aac音频文件都可以正常播放。
下面贴一下全部代码:
MediaDeMuxerCore.h
#include <iostream>
class MediaDeMuxerCore {
public:
MediaDeMuxerCore();
~MediaDeMuxerCore();
// 提取视频 h264裸流
void de_muxer_video(std::string media_path,std::string out_video_path);
// 提取音频 例如aac流
void de_muxer_audio(std::string media_path,std::string out_audio_path);
// 使用容器封装的方式提取aac流
void de_muxer_audio_by_stream(std::string media_path,std::string out_audio_path);
private:
};
MediaDeMuxerCore.cpp
#include "MediaDeMuxerCore.h"
extern "C" {
#include <libavcodec/avcodec.h>
#include <libavutil/avutil.h>
#include <libavformat/avformat.h>
#include <libavcodec/bsf.h>
}
MediaDeMuxerCore::MediaDeMuxerCore() {
}
AVFormatContext *avFormatContext = nullptr;
AVPacket *avPacket = nullptr;
AVFrame *avFrame = nullptr;
FILE *h264_out = nullptr;
FILE *audio_out = nullptr;
AVBSFContext *bsf_ctx = nullptr;
void init_h264_mp4toannexb(AVCodecParameters *avCodecParameters) {
if (nullptr == bsf_ctx) {
const AVBitStreamFilter *bsfilter = av_bsf_get_by_name("h264_mp4toannexb");
// 2 初始化过滤器上下文
av_bsf_alloc(bsfilter, &bsf_ctx); //AVBSFContext;
// 3 添加解码器属性
avcodec_parameters_copy(bsf_ctx->par_in, avCodecParameters);
av_bsf_init(bsf_ctx);
}
}
void MediaDeMuxerCore::de_muxer_video(std::string media_path, std::string out_video_path) {
// 分配上下文
avFormatContext = avformat_alloc_context();
// 打开输入文件
avformat_open_input(&avFormatContext, media_path.c_str(), nullptr, nullptr);
// 获取视频流索引
int video_index = av_find_best_stream(avFormatContext, AVMEDIA_TYPE_VIDEO, -1, -1, nullptr, 0);
if (video_index < 0) {
std::cout << "没有找到视频流" << std::endl;
} else {
// 打印媒体信息
av_dump_format(avFormatContext, 0, media_path.c_str(), 0);
h264_out = fopen(out_video_path.c_str(), "wb");
AVStream *video_stream = avFormatContext->streams[video_index];
avPacket = av_packet_alloc();
av_init_packet(avPacket);
while (true) {
int rect = av_read_frame(avFormatContext, avPacket);
if (rect < 0) {
std::cout << "视频流读取完毕" << std::endl;
break;
} else if (video_index == avPacket->stream_index) { // 只需要视频的
std::cout << "写入视频size:" << avPacket->size << std::endl;
// 这里需要注意一下，一般的mp4读出来的的packet是不带start code的，需要手动加上，如果是ts的话则是带上了start code的
// 初始化过滤器，如果本身就是带了start code的调这个也没事，不会重复添加
init_h264_mp4toannexb(video_stream->codecpar);
if (av_bsf_send_packet(bsf_ctx, avPacket) != 0) {
av_packet_unref(avPacket); // 减少引用计数
continue; // 需要更多的包
}
av_packet_unref(avPacket); // 减少引用计数
while (av_bsf_receive_packet(bsf_ctx, avPacket) == 0) {
// printf("fwrite size:%d\n", pkt->size);
size_t size = fwrite(avPacket->data, 1, avPacket->size, h264_out);
av_packet_unref(avPacket); //减少引用计数
}
} else {
av_packet_unref(avPacket); //减少引用计数
}
}
// 刷
fflush(h264_out);
}
avformat_close_input(&avFormatContext);
}
const int sampling_frequencies[] = {
96000, // 0x0
88200, // 0x1
64000, // 0x2
48000, // 0x3
44100, // 0x4
32000, // 0x5
24000, // 0x6
22050, // 0x7
16000, // 0x8
12000, // 0x9
11025, // 0xa
8000 // 0xb
// 0xc d e f是保留的
};
int adts_header(char *const p_adts_header, const int data_length,
const int profile, const int samplerate,
const int channels) {
int sampling_frequency_index = 3; // 默认使用48000hz
int adtsLen = data_length + 7;
// 匹配采样率
int frequencies_size = sizeof(sampling_frequencies) / sizeof(sampling_frequencies[0]);
int i = 0;
for (i = 0; i < frequencies_size; i++) {
if (sampling_frequencies[i] == samplerate) {
sampling_frequency_index = i;
break;
}
}
if (i >= frequencies_size) {
std::cout << "没有找到支持的采样率" << std::endl;
return -1;
}
p_adts_header[0] = 0xff; //syncword:0xfff 高8bits
p_adts_header[1] = 0xf0; //syncword:0xfff 低4bits
p_adts_header[1] |= (0 << 3); //MPEG Version:0 for MPEG-4,1 for MPEG-2 1bit
p_adts_header[1] |= (0 << 1); //Layer:0 2bits
p_adts_header[1] |= 1; //protection absent:1 1bit
p_adts_header[2] = (profile) << 6; //profile:profile 2bits
p_adts_header[2] |=
(sampling_frequency_index & 0x0f) << 2; //sampling frequency index:sampling_frequency_index 4bits
p_adts_header[2] |= (0 << 1); //private bit:0 1bit
p_adts_header[2] |= (channels & 0x04) >> 2; //channel configuration:channels 高1bit
p_adts_header[3] = (channels & 0x03) << 6; //channel configuration:channels 低2bits
p_adts_header[3] |= (0 << 5); //original：0 1bit
p_adts_header[3] |= (0 << 4); //home：0 1bit
p_adts_header[3] |= (0 << 3); //copyright id bit：0 1bit
p_adts_header[3] |= (0 << 2); //copyright id start：0 1bit
p_adts_header[3] |= ((adtsLen & 0x1800) >> 11); //frame length：value 高2bits
p_adts_header[4] = (uint8_t) ((adtsLen & 0x7f8) >> 3); //frame length:value 中间8bits
p_adts_header[5] = (uint8_t) ((adtsLen & 0x7) << 5); //frame length:value 低3bits
p_adts_header[5] |= 0x1f; //buffer fullness:0x7ff 高5bits
p_adts_header[6] = 0xfc; //11111100 //buffer fullness:0x7ff 低6bits
return 0;
}
/**
* @param media_path
* @param out_audio_path
*/
void MediaDeMuxerCore::de_muxer_audio(std::string media_path, std::string out_audio_path) {
// 分配上下文
avFormatContext = avformat_alloc_context();
// 打开输入文件
avformat_open_input(&avFormatContext, media_path.c_str(), nullptr, nullptr);
// 获取视频流索引
int audio_index = av_find_best_stream(avFormatContext, AVMEDIA_TYPE_AUDIO, -1, -1, nullptr, 0);
audio_out = fopen(out_audio_path.c_str(), "wb");
if (audio_index < 0) {
std::cout << "没有找到音频流" << std::endl;
} else {
// 打印媒体信息
av_dump_format(avFormatContext, 0, media_path.c_str(), 0);
audio_out = fopen(out_audio_path.c_str(), "wb");
AVStream *audio_stream = avFormatContext->streams[audio_index];
avPacket = av_packet_alloc();
av_init_packet(avPacket);
while (true) {
int rect = av_read_frame(avFormatContext, avPacket);
if (rect < 0) {
std::cout << "音频流读取完毕" << std::endl;
break;
} else if (audio_index == avPacket->stream_index) { // 只需要音频的
// adts 头是7个字节，也有可能是9个字节
char adts_header_buf[7] = {0};
adts_header(adts_header_buf, avPacket->size,
avFormatContext->streams[audio_index]->codecpar->profile,
avFormatContext->streams[audio_index]->codecpar->sample_rate,
avFormatContext->streams[audio_index]->codecpar->channels);
// 先写adts头，有些是解封装出来就带有adts头的比如ts
fwrite(adts_header_buf, 1, 7, audio_out);
// 写入aac包
fwrite(avPacket->data, 1, avPacket->size, audio_out);
av_packet_unref(avPacket); //减少引用计数
} else {
av_packet_unref(avPacket); //减少引用计数
}
}
// 刷流
fflush(audio_out);
}
}
void MediaDeMuxerCore::de_muxer_audio_by_stream(std::string media_path, std::string out_audio_path) {
// 分配上下文
avFormatContext = avformat_alloc_context();
// 打开输入文件
avformat_open_input(&avFormatContext, media_path.c_str(), nullptr, nullptr);
// 获取视频流索引
int audio_index = av_find_best_stream(avFormatContext, AVMEDIA_TYPE_AUDIO, -1, -1, nullptr, 0);
audio_out = fopen(out_audio_path.c_str(), "wb");
if (audio_index < 0) {
std::cout << "没有找到音频流" << std::endl;
} else {
std::cout << "音频时长:" << avFormatContext->streams[audio_index]->duration * av_q2d(avFormatContext->streams[audio_index]->time_base) << std::endl;
AVFormatContext *out_format_context = avformat_alloc_context();
const AVOutputFormat *avOutputFormat = av_guess_format(nullptr,out_audio_path.c_str(), nullptr);
out_format_context->oformat = avOutputFormat;
AVStream *aac_stream = avformat_new_stream(out_format_context, NULL);
// 编码信息拷贝
int ret = avcodec_parameters_copy(aac_stream->codecpar,avFormatContext->streams[audio_index]->codecpar);
ret = avio_open(&out_format_context->pb,out_audio_path.c_str(),AVIO_FLAG_WRITE);
if(ret < 0){
std::cout << "输出流打开失败" << std::endl;
}
avformat_write_header(out_format_context, nullptr);
avPacket = av_packet_alloc();
av_init_packet(avPacket);
while (true){
ret = av_read_frame(avFormatContext,avPacket);
if(ret < 0){
std::cout << "read end " << std::endl;
break;
}
if(avPacket->stream_index == audio_index){
avPacket->stream_index = aac_stream->index;
// 时间基转换
av_packet_rescale_ts(avPacket,avPacket->time_base,aac_stream->time_base);
ret = av_write_frame(out_format_context,avPacket);
if(ret < 0){
std::cout << "aad 写入失败" << std::endl;
} else{
std::cout << "aad 写入成功" << std::endl;
}
}
av_packet_unref(avPacket);
}
av_write_trailer(out_format_context);
avformat_flush(out_format_context);
}
}
MediaDeMuxerCore::~MediaDeMuxerCore() {
if (nullptr != avFormatContext) {
avformat_free_context(avFormatContext);
}
if (nullptr != avPacket) {
av_packet_free(&avPacket);
}
if (nullptr != avFrame) {
av_frame_free(&avFrame);
}
if (nullptr != h264_out) {
fclose(h264_out);
h264_out = nullptr;
}
if (nullptr != audio_out) {
fclose(audio_out);
audio_out = nullptr;
}
if (nullptr != bsf_ctx) {
av_bsf_free(&bsf_ctx);
}
}
代码写的比较粗，而且很多异常也没有做处理，相关资源也没有进行释放，大家将就这看下。。。
推荐阅读
关注我，一起进步，人生不止coding！！！