ffplay是FFmpeg工程自带的简单播放器,使用FFmpeg提供的解码器和SDL库进行视频播放。本文基于FFmpeg工程4.1版本进行分析,其中ffplay源码清单如下:
https://github.com/FFmpeg/FFmpeg/blob/n4.1/fftools/ffplay.c
在尝试分析源码前,可先阅读如下参考文章作为铺垫:
[1]. 雷霄骅,视音频编解码技术零基础学习方法
[2]. 视频编解码基础概念
[3]. 色彩空间与像素格式
[4]. 音频参数解析
[5]. FFmpeg基础概念
“ffplay源码分析”系列文章如下:
[1]. ffplay源码分析1-概述
[2]. ffplay源码分析2-数据结构
[3]. ffplay源码分析3-代码框架
[4]. ffplay源码分析4-音视频同步
[5]. ffplay源码分析5-图像格式转换
[6]. ffplay源码分析6-音频重采样
[7]. ffplay源码分析7-播放控制
音视频同步的目的是为了使播放的声音和显示的画面保持一致。视频按帧播放,图像显示设备每次显示一帧画面,视频播放速度由帧率确定,帧率指示每秒显示多少帧;音频按采样点播放,声音播放设备每次播放一个采样点,声音播放速度由采样率确定,采样率指示每秒播放多少个采样点。如果仅仅是视频按帧率播放,音频按采样率播放,二者没有同步机制,即使最初音视频是基本同步的,随着时间的流逝,音视频会逐渐失去同步,并且不同步的现象会越来越严重。这是因为:一、播放时间难以精确控制,二、异常及误差会随时间累积。所以,必须要采用一定的同步策略,不断对音视频的时间差作校正,使图像显示与声音播放总体保持一致。
我们以一个44.1KHz的AAC音频流和25FPS的H264视频流为例,来看一下理想情况下音视频的同步过程:
一个AAC音频frame每个声道包含1024个采样点(也可能是2048,参“FFmpeg关于nb_smples,frame_size以及profile的解释”),则一个frame的播放时长(duration)为:(1024/44100)×1000ms = 23.22ms;一个H264视频frame播放时长(duration)为:1000ms/25 = 40ms。声卡虽然是以音频采样点为播放单位,但通常我们每次往声卡缓冲区送一个音频frame,每送一个音频frame更新一下音频的播放时刻,即每隔一个音频frame时长更新一下音频时钟,实际上ffplay就是这么做的。我们暂且把一个音频时钟更新点记作其播放点,理想情况下,音视频完全同步,音视频播放过程如下图所示:
音视频同步的方式基本是确定一个时钟(音频时钟、视频时钟、外部时钟)作为主时钟,非主时钟的音频或视频时钟为从时钟。在播放过程中,主时钟作为同步基准,不断判断从时钟与主时钟的差异,调节从时钟,使从时钟追赶(落后时)或等待(超前时)主时钟。按照主时钟的不同种类,可以将音视频同步模式分为如下三种:
音频同步到视频,视频时钟作为主时钟。
视频同步到音频,音频时钟作为主时钟。
音视频同步到外部时钟,外部时钟作为主时钟。
ffplay中同步模式的定义如下:
1
2
3
4
5enum {AV_SYNC_AUDIO_MASTER, /* default choice */AV_SYNC_VIDEO_MASTER,AV_SYNC_EXTERNAL_CLOCK, /* synchronize to an external clock */
};
time_base是PTS和DTS的时间单位,也称时间基。不同的封装格式time_base不一样,转码过程中的不同阶段time_base也不一样。以mpegts封装格式为例,假设视频帧率为25FPS。编码数据包packet(数据结构AVPacket)的time_base为AVRational{1,90000},这个是容器层的time_base,定义在AVStream结构体中。原始数据帧frame(数据结构AVFrame)的time_base为AVRational{1,25},这个是视频层的time_base,是帧率的倒数,定义在AVCodecContext结构体中。time_base的类型是AVRational,表示一个分数,例如AVRational{1,25}表示值为1/25(单位是秒)。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54typedef struct AVStream {....../*** This is the fundamental unit of time (in seconds) in terms* of which frame timestamps are represented.** decoding: set by libavformat* encoding: May be set by the caller before avformat_write_header() to* provide a hint to the muxer about the desired timebase. In* avformat_write_header(), the muxer will overwrite this field* with the timebase that will actually be used for the timestamps* written into the file (which may or may not be related to the* user-provided one, depending on the format).*/AVRational time_base;......
}typedef struct AVCodecContext {....../*** This is the fundamental unit of time (in seconds) in terms* of which frame timestamps are represented. For fixed-fps content,* timebase should be 1/framerate and timestamp increments should be* identically 1.* This often, but not always is the inverse of the frame rate or field rate* for video. 1/time_base is not the average frame rate if the frame rate is not* constant.** Like containers, elementary streams also can store timestamps, 1/time_base* is the unit in which these timestamps are specified.* As example of such codec time base see ISO/IEC 14496-2:2001(E)* vop_time_increment_resolution and fixed_vop_rate* (fixed_vop_rate == 0 implies that it is different from the framerate)** - encoding: MUST be set by user.* - decoding: the use of this field for decoding is deprecated.* Use framerate instead.*/AVRational time_base;......
}/*** Rational number (pair of numerator and denominator).*/
typedef struct AVRational{int num; ///
time_base是一个分数,av_q2d(time_base)则可将分数转换为对应的double类型数。因此有如下计算:
1
2
3AVStream *st;
double duration_of_stream = st->duration * av_q2d(st->time_base); // 视频流播放时长
double pts_of_frame = frame->pts * av_q2d(st->time_base); // 视频帧显示时间戳
DTS(Decoding Time Stamp, 解码时间戳),表示压缩帧的解码时间。
PTS(Presentation Time Stamp, 显示时间戳),表示将压缩帧解码后得到的原始帧的显示时间。
音频中DTS和PTS是相同的。视频中由于B帧需要双向预测,B帧依赖于其前和其后的帧,因此含B帧的视频解码顺序与显示顺序不同,即DTS与PTS不同。当然,不含B帧的视频,其DTS和PTS是相同的。下图以一个开放式GOP示意图为例,说明视频流的解码顺序和显示顺序
采集顺序指图像传感器采集原始信号得到图像帧的顺序。
编码顺序指编码器编码后图像帧的顺序。存储到磁盘的本地视频文件中图像帧的顺序与编码顺序相同。
传输顺序指编码后的流在网络中传输过程中图像帧的顺序。
解码顺序指解码器解码图像帧的顺序。
显示顺序指图像帧在显示器上显示的顺序。
采集顺序与显示顺序相同。编码顺序、传输顺序和解码顺序相同。
以图中“B[1]”帧为例进行说明,“B[1]”帧解码时需要参考“I[0]”帧和“P[3]”帧,因此“P[3]”帧必须比“B[1]”帧先解码。这就导致了解码顺序和显示顺序的不一致,后显示的帧需要先解码。
上述内容可参考“视频编解码基础概念”。
理解了含B帧视频流解码顺序与显示顺序的不同,才容易理解解码函数decoder_decode_frame()中对视频解码的处理:
avcodec_send_packet()按解码顺序发送packet。
avcodec_receive_frame()按显示顺序输出frame。
这个过程由解码器处理,不需要用户程序费心。
decoder_decode_frame()是非常核心的一个函数,代码本身并不难理解。decoder_decode_frame()是一个通用函数,可以解码音频帧、视频帧和字幕帧,本节着重关注视频帧解码过程。音频帧解码过程在注释中。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104// 从packet_queue中取一个packet,解码生成frame
static int decoder_decode_frame(Decoder *d, AVFrame *frame, AVSubtitle *sub) {int ret &#61; AVERROR(EAGAIN);for (;;) {AVPacket pkt;// 本函数被各解码线程(音频、视频、字幕)首次调用时&#xff0c;d->pkt_serial等于-1&#xff0c;d->queue->serial等于1if (d->queue->serial &#61;&#61; d->pkt_serial) {do {if (d->queue->abort_request)return -1;// 3. 从解码器接收frameswitch (d->avctx->codec_type) {case AVMEDIA_TYPE_VIDEO:// 3.1 一个视频packet含一个视频frame// 解码器缓存一定数量的packet后&#xff0c;才有解码后的frame输出// frame输出顺序是按pts的顺序&#xff0c;如IBBPBBP// frame->pkt_pos变量是此frame对应的packet在视频文件中的偏移地址&#xff0c;值同pkt.posret &#61; avcodec_receive_frame(d->avctx, frame);if (ret >&#61; 0) {if (decoder_reorder_pts &#61;&#61; -1) {frame->pts &#61; frame->best_effort_timestamp;} else if (!decoder_reorder_pts) {frame->pts &#61; frame->pkt_dts;}}break;case AVMEDIA_TYPE_AUDIO:// 3.2 一个音频packet含多个音频frame&#xff0c;每次avcodec_receive_frame()返回一个frame&#xff0c;此函数返回。// 下次进来此函数&#xff0c;继续获取一个frame&#xff0c;直到avcodec_receive_frame()返回AVERROR(EAGAIN)&#xff0c;// 表示解码器需要填入新的音频packetret &#61; avcodec_receive_frame(d->avctx, frame);if (ret >&#61; 0) {AVRational tb &#61; (AVRational){1, frame->sample_rate};if (frame->pts !&#61; AV_NOPTS_VALUE)frame->pts &#61; av_rescale_q(frame->pts, d->avctx->pkt_timebase, tb);else if (d->next_pts !&#61; AV_NOPTS_VALUE)frame->pts &#61; av_rescale_q(d->next_pts, d->next_pts_tb, tb);if (frame->pts !&#61; AV_NOPTS_VALUE) {d->next_pts &#61; frame->pts &#43; frame->nb_samples;d->next_pts_tb &#61; tb;}}break;}if (ret &#61;&#61; AVERROR_EOF) {d->finished &#61; d->pkt_serial;avcodec_flush_buffers(d->avctx);return 0;}if (ret >&#61; 0)return 1; // 成功解码得到一个视频帧或一个音频帧&#xff0c;则返回} while (ret !&#61; AVERROR(EAGAIN));}do {if (d->queue->nb_packets &#61;&#61; 0) // packet_queue为空则等待SDL_CondSignal(d->empty_queue_cond);if (d->packet_pending) { // 有未处理的packet则先处理av_packet_move_ref(&pkt, &d->pkt);d->packet_pending &#61; 0;} else {// 1. 取出一个packet。使用pkt对应的serial赋值给d->pkt_serialif (packet_queue_get(d->queue, &pkt, 1, &d->pkt_serial) <0)return -1;}} while (d->queue->serial !&#61; d->pkt_serial);// packet_queue中第一个总是flush_pkt。每次seek操作会插入flush_pkt&#xff0c;更新serial&#xff0c;开启新的播放序列if (pkt.data &#61;&#61; flush_pkt.data) {// 复位解码器内部状态/刷新内部缓冲区。当seek操作或切换流时应调用此函数。avcodec_flush_buffers(d->avctx);d->finished &#61; 0;d->next_pts &#61; d->start_pts;d->next_pts_tb &#61; d->start_pts_tb;} else {if (d->avctx->codec_type &#61;&#61; AVMEDIA_TYPE_SUBTITLE) {int got_frame &#61; 0;ret &#61; avcodec_decode_subtitle2(d->avctx, sub, &got_frame, &pkt);if (ret <0) {ret &#61; AVERROR(EAGAIN);} else {if (got_frame && !pkt.data) {d->packet_pending &#61; 1;av_packet_move_ref(&d->pkt, &pkt);}ret &#61; got_frame ? 0 : (pkt.data ? AVERROR(EAGAIN) : AVERROR_EOF);}} else {// 2. 将packet发送给解码器// 发送packet的顺序是按dts递增的顺序&#xff0c;如IPBBPBB// pkt.pos变量可以标识当前packet在视频文件中的地址偏移if (avcodec_send_packet(d->avctx, &pkt) &#61;&#61; AVERROR(EAGAIN)) {av_log(d->avctx, AV_LOG_ERROR, "Receive_frame and send_packet both returned EAGAIN, which is an API violation.\n");d->packet_pending &#61; 1;av_packet_move_ref(&d->pkt, &pkt);}}av_packet_unref(&pkt);}}
}
本函数实现如下功能&#xff1a;
[1]. 从视频packet队列中取一个packet
[2]. 将取得的packet发送给解码器
[3]. 从解码器接收解码后的frame&#xff0c;此frame作为函数的输出参数供上级函数处理
注意如下几点&#xff1a;
[1]. 含B帧的视频文件&#xff0c;其视频帧存储顺序与显示顺序不同
[2]. 解码器的输入是packet队列&#xff0c;视频帧解码顺序与存储顺序相同&#xff0c;是按dts递增的顺序。dts是解码时间戳&#xff0c;因此存储顺序解码顺序都是dts递增的顺序。avcodec_send_packet()就是将视频文件中的packet序列依次发送给解码器。发送packet的顺序如IPBBPBB。
[3]. 解码器的输出是frame队列&#xff0c;frame输出顺序是按pts递增的顺序。pts是解码时间戳。pts与dts不一致的问题由解码器进行了处理&#xff0c;用户程序不必关心。从解码器接收frame的顺序如IBBPBBP。
[4]. 解码器中会缓存一定数量的帧&#xff0c;一个新的解码动作启动后&#xff0c;向解码器送入好几个packet解码器才会输出第一个packet&#xff0c;这比较容易理解&#xff0c;因为解码时帧之间有信赖关系&#xff0c;例如IPB三个帧被送入解码器后&#xff0c;B帧解码需要依赖I帧和P帧&#xff0c;所在在B帧输出前&#xff0c;I帧和P帧必须存在于解码器中而不能删除。理解了这一点&#xff0c;后面视频frame队列中对视频帧的显示和删除机制才容易理解。
[5]. 解码器中缓存的帧可以通过冲洗(flush)解码器取出。冲洗(flush)解码器的方法就是调用avcodec_send_packet(..., NULL)&#xff0c;然后多次调用avcodec_receive_frame()将缓存帧取尽。缓存帧取完后&#xff0c;avcodec_receive_frame()返回AVERROR_EOF。ffplay中&#xff0c;是通过向解码器发送flush_pkt(实际为NULL)&#xff0c;每次seek操作都会向解码器发送flush_pkt。
如何确定解码器的输出frame与输入packet的对应关系呢&#xff1f;可以对比frame->pkt_pos和pkt.pos的值&#xff0c;这两个值表示packet在视频文件中的偏移地址&#xff0c;如果这两个变量值相等&#xff0c;表示此frame来自此packet。调试跟踪这两个变量值&#xff0c;即能发现解码器输入帧与输出帧的关系。为简便&#xff0c;就不贴图了。
视频同步到音频是ffplay的默认同步方式。在视频播放线程中实现。视频播放函数video_refresh()实现了视频显示(包含同步控制)&#xff0c;是非常核心的一个函数&#xff0c;理解起来也有些难度。这个函数的调用过程如下&#xff1a;
1
2
3
4main() -->
event_loop() -->
refresh_loop_wait_event() -->
video_refresh()
函数实现如下&#xff1a;
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103/* called to display each frame */
static void video_refresh(void *opaque, double *remaining_time)
{VideoState *is &#61; opaque;double time;Frame *sp, *sp2;if (!is->paused && get_master_sync_type(is) &#61;&#61; AV_SYNC_EXTERNAL_CLOCK && is->realtime)check_external_clock_speed(is);// 音频波形图显示if (!display_disable && is->show_mode !&#61; SHOW_MODE_VIDEO && is->audio_st) {time &#61; av_gettime_relative() / 1000000.0;if (is->force_refresh || is->last_vis_time &#43; rdftspeed
视频同步到音频的基本方法是&#xff1a;如果视频超前音频&#xff0c;则不进行播放&#xff0c;以等待音频&#xff1b;如果视频落后音频&#xff0c;则丢弃当前帧直接播放下一帧&#xff0c;以追赶音频。
此函数执行流程参考如下流程图&#xff1a;
步骤如下&#xff1a;
[1] 根据上一帧lastvp的播放时长duration&#xff0c;校正等到delay值&#xff0c;duration是上一帧理想播放时长&#xff0c;delay是上一帧实际播放时长&#xff0c;根据delay值可以计算得到当前帧的播放时刻
[2] 如果当前帧vp播放时刻未到&#xff0c;则继续显示上一帧lastvp&#xff0c;并将延时值remaining_time作为输出参数供上级调用函数处理
[3] 如果当前帧vp播放时刻已到&#xff0c;则立即显示当前帧&#xff0c;并更新读指针
在video_refresh()函数中&#xff0c;调用了compute_target_delay()来根据视频时钟与主时钟的差异来调节delay值&#xff0c;从而调节视频帧播放的时刻。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38// 根据视频时钟与同步时钟(如音频时钟)的差值&#xff0c;校正delay值&#xff0c;使视频时钟追赶或等待同步时钟
// 输入参数delay是上一帧播放时长&#xff0c;即上一帧播放后应延时多长时间后再播放当前帧&#xff0c;通过调节此值来调节当前帧播放快慢
// 返回值delay是将输入参数delay经校正后得到的值
static double compute_target_delay(double delay, VideoState *is)
{double sync_threshold, diff &#61; 0;/* update delay to follow master synchronisation source */if (get_master_sync_type(is) !&#61; AV_SYNC_VIDEO_MASTER) {/* if video is slave, we try to correct big delays byduplicating or deleting a frame */// 视频时钟与同步时钟(如音频时钟)的差异&#xff0c;时钟值是上一帧pts值(实为&#xff1a;上一帧pts &#43; 上一帧至今流逝的时间差)diff &#61; get_clock(&is->vidclk) - get_master_clock(is);// delay是上一帧播放时长&#xff1a;当前帧(待播放的帧)播放时间与上一帧播放时间差理论值// diff是视频时钟与同步时钟的差值/* skip or repeat frame. We take into account thedelay to compute the threshold. I still don&#39;t knowif it is the best guess */// 若delay
}
compute_target_delay()的输入参数delay是上一帧理想播放时长duration&#xff0c;返回值delay是经校正后的上一帧实际播放时长。为方便描述&#xff0c;下面我们将输入参数记作duration(对应函数的输入参数delay)&#xff0c;返回值记作delay(对应函数返回值delay)。
本函数实现功能如下&#xff1a;
[1] 计算视频时钟与音频时钟(主时钟)的偏差diff&#xff0c;实际就是视频上一帧pts减去音频上一帧pts。所谓上一帧&#xff0c;就是已经播放的最后一帧&#xff0c;上一帧的pts可以标识视频流/音频流的播放时刻(进度)。
[2] 计算同步域值sync_threshold&#xff0c;同步域值的作用是&#xff1a;若视频时钟与音频时钟差异值小于同步域值&#xff0c;则认为音视频是同步的&#xff0c;不校正delay&#xff1b;若差异值大于同步域值&#xff0c;则认为音视频不同步&#xff0c;需要校正delay值。
同步域值的计算方法如下&#xff1a;
若duration
若AV_SYNC_THRESHOLD_MIN
a) 视频时钟落后于同步时钟且落后值超过同步域值&#xff1a;
a1) 若当前帧播放时刻落后于同步时钟(delay&#43;diff<0)则delay&#61;0(视频追赶&#xff0c;立即播放)&#xff1b;
a2) 否则delay&#61;duration&#43;diff
b) 视频时钟超前于同步时钟且超过同步域值&#xff1a;
b1) 上一帧播放时长过长(超过最大值)&#xff0c;仅校正为delay&#61;duration&#43;diff&#xff1b;
b2) 否则delay&#61;duration×2&#xff0c;视频播放放慢脚步&#xff0c;等待音频
c) 视频时钟与音频时钟的差异在同步域值内&#xff0c;表明音视频处于同步状态&#xff0c;不校正delay&#xff0c;则delay&#61;duration
对上述视频同步到音频的过程作一个总结&#xff0c;参考下图&#xff1a;
图中&#xff0c;小黑圆圈是代表帧的实际播放时刻&#xff0c;小红圆圈代表帧的理论播放时刻&#xff0c;小绿方块表示当前系统时间(当前时刻)&#xff0c;小红方块表示位于不同区间的时间点&#xff0c;则当前时刻处于不同区间时&#xff0c;视频同步策略为&#xff1a;
[1] 当前时刻在T0位置&#xff0c;则重复播放上一帧&#xff0c;延时remaining_time后再播放当前帧
[2] 当前时刻在T1位置&#xff0c;则立即播放当前帧
[3] 当前时刻在T2位置&#xff0c;则忽略当前帧&#xff0c;立即显示下一帧&#xff0c;加速视频追赶
上述内容是为了方便理解进行的简单而形象的描述。实际过程要计算相关值&#xff0c;根据compute_target_delay()和video_refresh()中的策略来控制播放过程。
音频同步到视频的方式&#xff0c;在音频播放线程中&#xff0c;实现代码在audio_decode_frame()及synchronize_audio()中。
函数调用关系如下&#xff1a;
1
2
3sdl_audio_callback() -->
audio_decode_frame() -->
synchronize_audio()
以后有时间再补充分析过程。
略