背景
win10自1803版本發(fā)布以來(lái)，取消了內(nèi)置的h265的視頻解碼，雖然能安裝插件可以播放，但是在一個(gè)支持硬解8k視頻的N卡上，居然以軟解的方式播放。顛覆了Windows平臺(tái)上DXVA（DirectX Video Acceleration）的認(rèn)知，不得已，只能通過(guò)NVidia提供的sdk來(lái)硬解視頻，其中用到了ffmpeg，這是一個(gè)很好的開始，在開發(fā)過(guò)程中學(xué)到了關(guān)于音視頻的不少知識(shí)，在此分享。
播放視頻
視頻播放的本質(zhì)是將一堆序列圖片按照幀頻一張一張顯示出來(lái)。幀頻決定了切換下一張圖片的時(shí)間，而這里的圖片指的是ARGB的像素集，而不是壓縮過(guò)的png或者JPEG等。
假設(shè)一個(gè)視頻fps（幀頻）是30，尺寸是1920x1080，時(shí)長(zhǎng)30秒，那么原始數(shù)據(jù)的大小是 1920x1080x30x30x4=7G，但是實(shí)際上視頻文件不會(huì)這么大，充其量幾十M，那么播放視頻就成了將數(shù)據(jù)解壓成ARGB的像素集，然后根據(jù)幀頻一張一張的顯示出來(lái)。
視頻解碼
視頻解碼其實(shí)就是兩步
1 ，根據(jù)視頻的編碼格式，解出每幀的圖片。
2，將每幀的圖片色彩空間轉(zhuǎn)成RGB的色彩空間。
解出每幀的圖片
視頻的編碼格式有很多，比如h.264, hevc,vp9等，使用ffmpeg時(shí)可以使用-c:v 指定視頻的編碼
上面就是將視頻編碼指定為VP9的webm視頻。
使用ffmpeg完整的視頻解碼如下：
//打開媒體
AVFormatContext *fmtc = NULL;
avformat_open_input(&fmtc, "the video file path", NULL, NULL);
avformat_find_stream_info(fmtc, NULL);
int videoIndex = av_find_best_stream(fmtc, AVMEDIA_TYPE_VIDEO, -1, -1, NULL, 0);
//根據(jù)媒體的編碼格式創(chuàng)建解碼器
AVCodecContext* avctx = avcodec_alloc_context3(NULL);
auto st = fmtc->streams[videoIndex];
avcodec_parameters_to_context(avctx, st->codecpar);
AVCodec* codec = avcodec_find_decoder(avctx->codec_id);
avcodec_open2(avctx, codec, NULL);
//視頻解碼
AVPacket* packet
av_init_packet(&packet);
packet.data = 0;
packet.size = 0;
AVFrame* frame = av_frame_alloc();
while (av_read_frame(fmtc, &packet) >= 0)
{
if (packet.stream_index == videoIndex)
{
avcodec_send_packet(avctx, packet);
while(true)
{
int ret = avcodec_receive_frame(avctx, frame);
if(ret == AVERROR(EAGAIN) || ret == AVERROR_EOF)
break;
if(ret < 0)
{
throw std::exception("CantDecode");
}
//receive new frame
}
if(packet.data) av_packet_unref(&packet);
continue;
}
av_packet_unref(&packet);
}
//釋放操作
avcodec_free_context(&avctx);
av_frame_free(&frame);
avformat_close_input(&fmtc);
上面的代碼中，可以看出ffmpeg解碼最終得到AVFrame，AVFrame是解壓之后的視頻幀圖片，AVFrame是靠AVPacket和AVCodecContext得來(lái)的，AVPacket是壓縮的視頻幀圖片，通過(guò)讀取AVFormatContext得來(lái)的，AVCodecContext是通過(guò)視頻的編碼格式創(chuàng)建的。
在獲取avframe的時(shí)候還有一個(gè)while循環(huán)，按理說(shuō)，一個(gè)avpacket不就對(duì)應(yīng)一個(gè)avframe嗎？其實(shí)不然，在有些編碼下，雖然一個(gè)avpacket對(duì)應(yīng)一個(gè)avframe，但完整的圖像信息還得靠相鄰的avpacket才能完全解出，在視頻壓縮過(guò)程中，通過(guò)各種算法來(lái)減少數(shù)據(jù)的容量，這里最為常見的為IPB(Intra coded frames, Predicted pictures, and Bi-directional predictive pictures)。即一個(gè)avpacket可能是I幀，或是P幀，或B幀，I幀只需考慮本幀；P幀記錄的是與前一幀的差別；B幀記錄的是前一幀及后一幀的差別。所以這里的while也就明白了，當(dāng)遇到B幀時(shí)，還得等下一個(gè)avpacket。
轉(zhuǎn)成RGB
當(dāng)我們拿到AVFrame的時(shí)候還不能直接顯示，因?yàn)槊總€(gè)像素的色彩空間不一定是RGB的，大部分都是YUV的，我們需要把YUV轉(zhuǎn)成RGB。
在ffmpeg中使用參數(shù)-pix_fmt可以指定像素的色彩空間。
ffmpeg -i in.mov -c:v libx264 -pix_fmt yuv420p out.mp4
YUV色彩空間不同于RGB，“Y”表示明亮度（Luminance、Luma），“U”和“V”則是色度、濃度（Chrominance、Chroma）。失去UV的圖像只是一張灰度圖，加上UV的圖像變成彩色的了，所以在壓縮過(guò)程中，四個(gè)像素點(diǎn)的Y的共享一個(gè)UV就是YUV420，兩個(gè)像素點(diǎn)的Y共享一個(gè)UV就是YUV422，一個(gè)Y對(duì)飲一個(gè)UV就是YUV444…
在YUV420P中的P指的是planar數(shù)據(jù)，即YUV是分開存儲(chǔ)的，這也就是為什么在AVFrame的data屬性是byte* data[8]的，data[0]是Y分量，data[1]是U分量，data[2]是V分量。
色彩轉(zhuǎn)換代碼如下：
//色彩模式轉(zhuǎn)換
//此段代碼在打開視頻流處
int w = fmtc->streams[videoIndex]->codecpar->width;
int h = fmtc->streams[videoIndex]->codecpar->height;
SwsContext* swsctx = 0;
uint8_t* pixels = new bytep[ w * h * 4] ;
///此段代碼在得到avframe處
swsctx = sws_getCachedContext(swsctx, frame->width, frame->height, (AVPixelFormat)frame->format, w, h, AV_PIX_FMT_RGB32, SWS_BICUBIC, 0, 0, 0);
AVPicture pict = { { 0 } };
avpicture_fill(&pict, pixels, AV_PIX_FMT_RGB32, frame->width, frame->width);
sws_scale(swsctx, frame->data, frame->linesize, 0, frame->height, pict.data, pict.linesize);
視頻播放
當(dāng)我們得到RGB像素值時(shí)就可以根據(jù)幀頻顯示視頻了。
//獲取當(dāng)前計(jì)算機(jī)運(yùn)行的時(shí)間
double getTime()
{
__int64 freq = 0;
__int64 count = 0;
if (QueryPerformanceFrequency((LARGE_INTEGER*)&freq) && freq > 0 && QueryPerformanceCounter((LARGE_INTEGER*)&count))
{
return (double)count / (double)freq * 1000.0;
}
return 0.0;
}
double interval = 1000.0/av_q2d(fmtc->streams[videoIndex]->r_frame_rate);
double estimateTime = frameIndex * interval; // 預(yù)計(jì)時(shí)間
double actualTime = (getTime() - startTime); //實(shí)際時(shí)間
上面的代碼中，根據(jù)幀頻得到了預(yù)計(jì)時(shí)間，實(shí)際時(shí)間是當(dāng)前時(shí)間減去開始播放的時(shí)間，要是實(shí)際時(shí)間小于預(yù)計(jì)時(shí)間，那么需要sleep一會(huì)，等到預(yù)計(jì)時(shí)間下一幀顯示，反之則要盡快顯示下一幀。
硬件解碼
上面代碼中，如果一個(gè)視頻的幀頻是30幀/秒，意味著每幀切換的時(shí)間是33毫秒，那么問(wèn)題來(lái)了，如果在33毫秒內(nèi)沒(méi)有解完下一幀的圖像，視頻播放就會(huì)延時(shí)或者是丟幀，但如果用硬件解碼，那么出現(xiàn)這個(gè)問(wèn)題的幾率就大大降低了。畢竟GPU在多核處理圖像方面不是CPU所比肩的。
硬件解碼的原理是將avpacket直接提交給gpu，然后gpu解碼，得到一個(gè)surface交由應(yīng)用程序處理，這個(gè)surface存在顯存中，這里用的是DirectX9，即在cpu中以IDirect3DTexture9形式間接訪問(wèn)，作為貼圖直接渲染出來(lái)。需要注意的是這里的avpacket 在h264，hevc編碼中剔除了pps等信息，需要加回來(lái)才能提交給GPU，如下
//硬件解碼
//(SPS)Sequence Paramater Set, (PPS)Picture Paramater Set,
//Convert an H.264 bitstream from length prefixed mode to start code prefixed mode (as defined in the Annex B of the ITU-T H.264 specification).
AVPacket* pktFiltered
AVBSFContext *bsfc = NULL;
av_init_packet(&pktFiltered);
pktFiltered.data = 0;
pktFiltered.size = 0;
const AVBitStreamFilter *bsf = av_bsf_get_by_name("h264_mp4toannexb" / "hevc_mp4toannexb");
av_bsf_alloc(bsf, &bsfc);
avcodec_parameters_copy(bsfc->par_in, fmtc->streams[videoIndex]->codecpar);
av_bsf_init(bsfc);
av_bsf_send_packet(bsfc, packet);
av_bsf_receive_packet(bsfc, &pktFiltered);
硬件解碼的具體示例參看NVidia的sdk示例。
半硬件解碼
視頻編碼有千萬(wàn)種，但gpu對(duì)于能解的編碼，分辨率有嚴(yán)格的要求，如果硬件不支持，我們還得靠cpu解碼，但這里我們可以把yuv轉(zhuǎn)rgb的代碼放到gpu端處理 以減輕cpu的壓力，yuv轉(zhuǎn)rgb的源碼在ffmpeg中有，但沒(méi)有參考的價(jià)值，因?yàn)獒槍?duì)cpu優(yōu)化成int算法，而gpu擅長(zhǎng)float的運(yùn)算。下面示例代碼是yuv420p轉(zhuǎn)rgb。
//GPU代碼
//顏色空間轉(zhuǎn)換 YUV420P to RGB
float4x4 colormtx;
texture tex0;
texture tex1;
texture tex2;
sampler sam0 = sampler_state { Texture = <tex0>; MipFilter = LINEAR; MinFilter = LINEAR; MagFilter = LINEAR; };
sampler sam1 = sampler_state { Texture = <tex1>; MipFilter = LINEAR; MinFilter = LINEAR; MagFilter = LINEAR; };
sampler sam2 = sampler_state { Texture = <tex2>; MipFilter = LINEAR; MinFilter = LINEAR; MagFilter = LINEAR; };
float4 c = float4(tex2D(sam0, uv).a, tex2D(sam1, uv).a, tex2D(sam2, uv).a, 1);
color = mul(c, colormtx);
//CPU代碼
D3DXMATRIXA16 yuv2rgbMatrix()
{
/*
FLOAT r = (1.164 * (Y - 16) + 1.596 * (V - 128));
FLOAT g = (1.164 * (Y - 16) - 0.813 * (V - 128) - 0.391 * (U - 128));
FLOAT b = (1.164 * (Y - 16) + 2.018 * (U - 128));
FLOAT r = 1.164 * Y + 1.596*V - 1.596*128.0/255.0 - 1.164*16.0/255.0;
FLOAT g = 1.164 * Y - 0.391*U - 0.813*V - 1.164*16.0/255.0+0.813*128.0/255.0+0.391*128.0/255.0;
FLOAT b = 1.164 * Y + 2.018*U - 1.164*16.0/255.0 - 2.018*128.0/255.0;
*/
D3DXMATRIXA16 m(
1.164, 0, 1.596, -1.596*128.0 / 255.0 - 1.164*16.0 / 255.0,
1.164, -0.391, -0.813, -1.164*16.0 / 255.0 + 0.813*128.0 / 255.0 + 0.391*128.0 / 255.0,
1.164, 2.018, 0, -1.164*16.0 / 255.0 - 2.018*128.0 / 255.0,
0, 0, 0, 1
);
D3DXMatrixTranspose(&m, &m);
return m;
}
void update(AVFrame* frame)
{
int w = ctx_->textureWidth();
int h = ctx_->textureHeight();
int w2 = w /2;
int h2 = h / 2;
auto device = ctx_->getDevice3D(); //IDirect3DDevice9Ex
if (!texY_) //IDirect3DTexture9*
{
auto effect = render_->effect(); //ID3DXEffect*
device->CreateTexture(w, h, 1, D3DUSAGE_DYNAMIC, D3DFMT_A8, D3DPOOL_DEFAULT, &texY_, NULL);
device->CreateTexture(w2, h2, 1, D3DUSAGE_DYNAMIC, D3DFMT_A8, D3DPOOL_DEFAULT, &texU_, NULL);
device->CreateTexture(w2, h2, 1, D3DUSAGE_DYNAMIC, D3DFMT_A8, D3DPOOL_DEFAULT, &texV_, NULL);
effect->SetTexture("tex0", texY_);
effect->SetTexture("tex1", texU_);
effect->SetTexture("tex2", texV_);
D3DXMATRIXA16 m = yuv2rgbMatrix();
effect->SetMatrix("colormtx", &m);
}
upload(frame->data[0], frame->linesize[0], h, texY_);
upload(frame->data[1], frame->linesize[1], h2, texU_);
upload(frame->data[2], frame->linesize[2], h2, texV_);
}
void upload(uint8_t * data, int linesize, int h, IDirect3DTexture9* tex)
{
D3DLOCKED_RECT locked = { 0 };
HRESULT hr = tex->LockRect(0, &locked, NULL, D3DLOCK_DISCARD);
if (SUCCEEDED(hr))
{
uint8_t* dst = (uint8_t*)locked.pBits;
int size = linesize < locked.Pitch ? linesize : locked.Pitch;
for (INT y = 0; y < h; y++)
{
CopyMemory(dst, data, size);
dst += locked.Pitch;
data += linesize;
}
tex->UnlockRect(0);
}
}
再舉一例，是關(guān)于YUV422P10LE轉(zhuǎn)化成argb的，YUV422P10LE 每個(gè)像素占36bits，其中alpha占12bits，YUV各占8bits，但ffmpeg保存的數(shù)據(jù)是四個(gè)分量各占12bits，每個(gè)分量?jī)蓚€(gè)字節(jié)保存，這里用D3DFMT_L16創(chuàng)建的貼圖。
//YUV422P10LE to ARGB
///< planar YUV 4:4:4,36bpp, (1 Cr & Cb sample per 1x1 Y samples), 12b alpha, little-endian
//YUVA444P12LE to ARGB
//GPU Code
float4x4 colormtx;
texture tex0;
texture tex1;
texture tex2;
texture tex3;
sampler sam0 = sampler_state { Texture = <tex0>; MipFilter = LINEAR; MinFilter = LINEAR; MagFilter = LINEAR; };
sampler sam1 = sampler_state { Texture = <tex1>; MipFilter = LINEAR; MinFilter = LINEAR; MagFilter = LINEAR; };
sampler sam2 = sampler_state { Texture = <tex2>; MipFilter = LINEAR; MinFilter = LINEAR; MagFilter = LINEAR; };
sampler sam3 = sampler_state { Texture = <tex3>; MipFilter = LINEAR; MinFilter = LINEAR; MagFilter = LINEAR; };,
float4 c = float4(tex2D(sam0, uv).x, tex2D(sam1, uv).x, tex2D(sam2, uv).x, 0.06248569466697185); //0xfff/0xffff
c = c * 16.003663003663004; //0xffff/0xfff
color = mul(c, colormtx);
color.a = tex2D(sam3, uv).x * 16.003663003663004;
//CPU Code
int w = ctx_->textureWidth();
int h = ctx_->textureHeight();
auto device = ctx_->getDevice3D(); //IDirect3DDevice9Ex
if (!texY_) //IDirect3DTexture9*
{
auto effect = render_->effect(); //ID3DXEffect*
check_hr(device->CreateTexture(w, h, 1, D3DUSAGE_DYNAMIC, D3DFMT_L16, D3DPOOL_DEFAULT, &texY_, NULL)); //12b Y
check_hr(device->CreateTexture(w, h, 1, D3DUSAGE_DYNAMIC, D3DFMT_L16, D3DPOOL_DEFAULT, &texU_, NULL)); //12b U
check_hr(device->CreateTexture(w, h, 1, D3DUSAGE_DYNAMIC, D3DFMT_L16, D3DPOOL_DEFAULT, &texV_, NULL)); //12b V
check_hr(device->CreateTexture(w, h, 1, D3DUSAGE_DYNAMIC, D3DFMT_L16, D3DPOOL_DEFAULT, &texA_, NULL)); //12b A
effect->SetTexture("tex0", texY_);
effect->SetTexture("tex1", texU_);
effect->SetTexture("tex2", texV_);
effect->SetTexture("tex3", texA_);
D3DXMATRIXA16 m = uv2rgbMatrix();
effect->SetMatrix("colormtx", &m);
}
upload(frame->data[0], frame->linesize[0], h, texY_);
upload(frame->data[1], frame->linesize[1], h, texU_);
upload(frame->data[2], frame->linesize[2], h, texV_);
upload(frame->data[3], frame->linesize[3], h, texA_);
播放音頻
原始音頻數(shù)據(jù)有幾個(gè)重要的參數(shù)，采樣率（Sample per second - sps），通道（channel），每個(gè)采樣占用的bit數(shù) （bits per sample - bps）。
播放音頻實(shí)際上就是把音頻數(shù)據(jù)不停的發(fā)送到聲卡上，聲卡根據(jù)sps，channel，bps產(chǎn)生聲音。比如一段音頻數(shù)據(jù)大小是4M，采樣率是44100，channel是2，bps是16位，如果將這段數(shù)據(jù)發(fā)送給聲卡，那么過(guò)(4x1024x1024x8)/(44100x2x16)秒后 聲卡會(huì)告訴你聲音播放完了。
使用wave api播放音頻
在Windows上，可以使用wave api播放音頻，播放步驟是打開，寫入，關(guān)閉?？梢允褂密浖old wave導(dǎo)出原始的音頻數(shù)據(jù)，另存為snd文件，導(dǎo)出時(shí)注意配置聲道，采樣率和bps。下面一個(gè)播放sps是44100，channel是2，bps是16bit的原始音頻數(shù)據(jù)的代碼。
//Play audio use the Wave API
#include <mmsystem.h>
const byte* pcmData = .... //假設(shè)這個(gè)要播放的音頻數(shù)據(jù)和數(shù)據(jù)大小
int pcmSize = ....
openAudio();
writeAudio(pcmData, pcmSize);
closeAudio();
////////////////////////////
#define AUDIO_DEV_BLOCK_SIZE 8192
#define AUDIO_DEV_BLOCK_COUNT 4
HWAVEOUT dev = 0;
int available = 0;
WAVEHDR* blocks = 0;
int index = 0;
Mutex mtx;//自定義類 基于EnterCriticalSection 和 LeaveCriticalSection 實(shí)現(xiàn)的
void openAudio()
{
WAVEFORMATEX wfx = {0};
wfx.nSamplesPerSec = 44100;
wfx.wBitsPerSample = 16;
wfx.nChannels = 2;
wfx.cbSize = 0;
wfx.wFormatTag = WAVE_FORMAT_PCM;
wfx.nBlockAlign = (wfx.wBitsPerSample * wfx.nChannels) >> 3;
wfx.nAvgBytesPerSec = wfx.nBlockAlign * wfx.nSamplesPerSec;
waveOutOpen(&dev, WAVE_MAPPER, &wfx, (DWORD_PTR)waveOutProc, (DWORD_PTR)0, CALLBACK_FUNCTION);
blocks = new WAVEHDR[AUDIO_DEV_BLOCK_COUNT];
memset(blocks, 0, sizeof(WAVEHDR) * AUDIO_DEV_BLOCK_COUNT);
for (int i = 0; i < AUDIO_DEV_BLOCK_COUNT; i++)
{
blocks[i].lpData = new char[AUDIO_DEV_BLOCK_SIZE];
blocks[i].dwBufferLength = AUDIO_DEV_BLOCK_SIZE;
}
}
void closeAudio()
{
for (int i = 0; i < AUDIO_DEV_BLOCK_COUNT; i++)
{
if (blocks[i].dwFlags & WHDR_PREPARED)
{
waveOutUnprepareHeader(dev_, &blocks[i], sizeof(WAVEHDR));
}
delete blocks[i].lpData;
}
delete blocks;
waveOutClose(dev);
}
void writeAudio(const byte* data, int size)
{
if (!bok_)return;
WAVEHDR* current;
int remain;
current = &blocks[index];
while (size > 0)
{
if (current->dwFlags & WHDR_PREPARED)
{
waveOutUnprepareHeader(dev, current, sizeof(WAVEHDR));
}
if (size < (int)(AUDIO_DEV_BLOCK_SIZE - current->dwUser))
{
memcpy(current->lpData + current->dwUser, data, size);
current->dwUser += size;
break;
}
remain = AUDIO_DEV_BLOCK_SIZE - current->dwUser;
memcpy(current->lpData + current->dwUser, data, remain);
size -= remain;
data += remain;
current->dwBufferLength = AUDIO_DEV_BLOCK_SIZE;
waveOutPrepareHeader(dev, current, sizeof(WAVEHDR));
waveOutWrite(dev, current, sizeof(WAVEHDR));
mtx.lock();
available--;
mtx.unlock();
while (!available)
{
Sleep(10);
}
index++;
index %= AUDIO_DEV_BLOCK_COUNT;
current = &blocks[index];
current->dwUser = 0;
}
}
上面代碼中在open的時(shí)候設(shè)置了回調(diào)函數(shù)waveOutProc，當(dāng)該函數(shù)被調(diào)用的時(shí)候說(shuō)明一個(gè)8192大小的音頻數(shù)據(jù)塊被播放完，在writeaudio里，不停的循環(huán)寫入大小為8192四個(gè)數(shù)據(jù)塊，這四個(gè)數(shù)據(jù)塊預(yù)先寫進(jìn)去（waveOutWrite），在等waveOutProc回調(diào)時(shí)，又有可用的數(shù)據(jù)塊再接著寫，這樣就可以連續(xù)的播放聲音了。
ffmpeg解壓音頻
同樣地，在視頻文件中音頻也是壓縮過(guò)的，一幀一幀的，解出音頻的完整代碼如下：
//打開視頻文件
AVFormatContext *fmtc = NULL;
avformat_network_init();
avformat_open_input(&fmtc, "video file path", NULL, NULL);
avformat_find_stream_info(fmtc, NULL);
int autdioIndex = av_find_best_stream(fmtc, AVMEDIA_TYPE_AUDIO, -1, -1, NULL, 0);
//創(chuàng)建音頻解碼器
AVCodecContext* avctx = avcodec_alloc_context3(NULL);
auto st = fmtc->streams[autdioIndex];
avcodec_parameters_to_context(avctx, st->codecpar);
AVCodec* codec = avcodec_find_decoder(avctx->codec_id);
avcodec_open2(avctx, codec, NULL);
//解碼音頻
AVFrame* frame = av_frame_alloc();
AVPacket pkt;
av_init_packet(&pkt);
pkt.data = NULL;
pkt.size = 0;
while (av_read_frame(fmtc, &pkt) >= 0)
{
if (pkt.stream_index == autdioIndex)
{
int gotFrame = 0;
if (avcodec_decode_audio4(avctx, frame, &gotFrame, &pkt) < 0) {
//fprintf(stderr, "Error decoding audio frame (%s)\n", av_err2str(ret));
break
}
if (gotFrame) {
writeAudio(frame->extended_data[0], linesize);
}
}
}
//關(guān)閉
avcodec_free_context(&avctx);
av_frame_free(&frame);
if(pkt.data)av_packet_unref(&pkt);
avformat_close_input(&fmtc_);
return 0;
不難看出，和解碼視頻如出一轍，最終的音頻數(shù)據(jù)在AVFrame中。
音頻轉(zhuǎn)化
雖然上面的例子中我們解出音頻并且播放出來(lái)了，但是有個(gè)條件，就是視頻文件中的音頻的sps是44100，bps是16，channel是2，否則播放的音頻是不正常的。
我們知道，視頻文件中sps，bps，channel不是固定的，這就需要我們轉(zhuǎn)換下我們能播放的采樣率，轉(zhuǎn)化代碼如下
//音頻轉(zhuǎn)化
//創(chuàng)建音頻編碼轉(zhuǎn)換器
auto devSampleFormat = 16 == 8 ? AV_SAMPLE_FMT_U8 : AV_SAMPLE_FMT_S16;
SwrContext * swrc = swr_alloc();
av_opt_set_int(swrc, "in_channel_layout", av_get_default_channel_layout(avctx->channels), 0);
av_opt_set_int(swrc, "in_sample_rate", avctx->sample_rate, 0);
av_opt_set_sample_fmt(swrc, "in_sample_fmt", avctx->sample_fmt, 0);
av_opt_set_int(swrc, "out_channel_layout", av_get_default_channel_layout(2), 0);
av_opt_set_int(swrc, "out_sample_rate", 44100, 0);
av_opt_set_sample_fmt(swrc, "out_sample_fmt", devSampleFormat, 0);
swr_init(swrc);
struct SwrBuffer
{
int samplesPerSec;
int numSamples, maxNumSamples;
uint8_t **data;
int channels;
int linesize;
};
SwrBuffer dst = {0};
dst.samplesPerSec = dev.samplesPerSec();
dst.channels = dev.channels();
dst.numSamples = dst.maxNumSamples = av_rescale_rnd(numSamples, dst.samplesPerSec, avctx->sample_rate, AV_ROUND_UP);
av_samples_alloc_array_and_samples(&dst.data, &dst.linesize, dst.channels, dst.numSamples, devSampleFormat, 0);
//轉(zhuǎn)換音頻
dst.numSamples = av_rescale_rnd(swr_get_delay(swrc, avctx->sample_rate) + frame->nb_samples, dst.samplesPerSec, avctx->sample_rate, AV_ROUND_UP);
if (dst.numSamples > dst.maxNumSamples) {
av_freep(&dst.data[0]);
av_samples_alloc(dst.data, &dst.linesize, dst.channels, dst.numSamples, devSampleFormat, 1);
dst.maxNumSamples = dst.numSamples;
}
/* convert to destination format */
ret = swr_convert(swrc, dst.data, dst.numSamples, (const uint8_t**)frame->data, frame->nb_samples);
if (ret < 0) {
//error
}
int bufsize = av_samples_get_buffer_size(&dst.linesize, dst.channels, ret, devSampleFormat, 1);
if (bufsize < 0) {
//fprintf(stderr, "Could not get sample buffer size\n");
}
writeAudio(dst.data[0], bufsize);
查看聲卡設(shè)備支持的參數(shù)
上面示例中播放聲音一直用的44100，16，2，沒(méi)錯(cuò)，這也是我打開聲卡設(shè)備所用的參數(shù)，如果聲卡不支持這個(gè)參數(shù)那么waveOutOpen會(huì)調(diào)用失敗，如何判斷聲卡支持的參數(shù)，代碼如下：
WAVEINCAPS caps = {0};
if(waveInGetDevCaps(0, &caps, sizeof(caps)) == MMSYSERR_NOERROR)
{
//checkCaps(caps.dwFormats, WAVE_FORMAT_96S16, 96000, 2, 16);
//checkCaps(caps.dwFormats, WAVE_FORMAT_96S08, 96000, 2, 8);
}
void checkCaps(DWORD devfmt, DWORD fmt, int sps, int channels, int bps)
{
if (bps_)return;
if (devfmt & fmt)
{
bps_ = bps;
channels_ = channels;
sps_ = sps;
}
}
音視頻同步
視頻和音頻播放起來(lái)需要同步，不能各播各的，那樣很可能出現(xiàn)的問(wèn)題是口型對(duì)不上聲音，這里我們將用視頻同步到音頻的方式同步音視頻。
我們知道根據(jù)采樣率等信息，完全可以知道音頻播放了多長(zhǎng)時(shí)間，那么根據(jù)這個(gè)時(shí)間就可以把視頻同步上，偽代碼如下：
int audioFrameIndex = 0;
int videoFrameIndex = 0;
//Thread 1
while (true)
{
decodeAudioData();
writeAudio(...);
}
void CALLBACK waveOutProc(HWAVEOUT hWaveOut, UINT uMsg, DWORD_PTR dwInstance, DWORD dwParam1, DWORD dwParam2)
{
if (uMsg != WOM_DONE)
return;
...
audioFrameIndex ++;
}
//Thread 2
double audioBitsPerSec = audioDev->bitsPerSample() * audioDev->samplesPerSec() * audioDev->channels();
double interval = 1000.0/av_q2d(fmtc->streams[videoIndex]->r_frame_rate);
while (true)
{
if (!decodeVideoFrame())
continue;
videoFrameIndex ++;
while (true)
{
double bits = audioFrameIndex * AUDIO_DEV_BLOCK_SIZE * 8.0;
double ms = bits / audioBitsPerSec * 1000.0; //實(shí)際播放時(shí)間
double to = videoFrameIndex * interval; //預(yù)計(jì)播放時(shí)間
if (ms < to)//Need false then wait
{
Sleep(1);
continue;
}
presentVideoFrame();
break;
}
}
這里多線程中略去了線程鎖的問(wèn)題，且行且小心
后記
這是本人在實(shí)際開發(fā)過(guò)程中的一些見地，不足之處忘大家多多指正。
