FFMPEG结构体分析：AVFrame-白红宇

FFMPEG结构体分析：AVFrame

阅读量：6193 次

发布时间：2019-06-21

本文共 15784 字，大约阅读时间需要 52 分钟。

注：写了一系列的结构体的分析的文章，在这里列一个列表：

FFMPEG有几个最重要的结构体，包含了解协议，解封装，解码操作，此前已经进行过分析：

在此不再详述，其中AVFrame是包含码流参数较多的结构体。本文将会详细分析一下该结构体里主要变量的含义和作用。

首先看一下结构体的定义（位于avcodec.h）：

/* *雷霄骅 *leixiaohua1020@126.com *中国传媒大学/数字电视技术 *//** * Audio Video Frame. * New fields can be added to the end of AVFRAME with minor version * bumps. Similarly fields that are marked as to be only accessed by * av_opt_ptr() can be reordered. This allows 2 forks to add fields * without breaking compatibility with each other. * Removal, reordering and changes in the remaining cases require * a major version bump. * sizeof(AVFrame) must not be used outside libavcodec. */typedef struct AVFrame {#define AV_NUM_DATA_POINTERS 8    /**图像数据     * pointer to the picture/channel planes.     * This might be different from the first allocated byte     * - encoding: Set by user     * - decoding: set by AVCodecContext.get_buffer()     */    uint8_t *data[AV_NUM_DATA_POINTERS];    /**     * Size, in bytes, of the data for each picture/channel plane.     *     * For audio, only linesize[0] may be set. For planar audio, each channel     * plane must be the same size.     *     * - encoding: Set by user     * - decoding: set by AVCodecContext.get_buffer()     */    int linesize[AV_NUM_DATA_POINTERS];    /**     * pointers to the data planes/channels.     *     * For video, this should simply point to data[].     *     * For planar audio, each channel has a separate data pointer, and     * linesize[0] contains the size of each channel buffer.     * For packed audio, there is just one data pointer, and linesize[0]     * contains the total size of the buffer for all channels.     *     * Note: Both data and extended_data will always be set by get_buffer(),     * but for planar audio with more channels that can fit in data,     * extended_data must be used by the decoder in order to access all     * channels.     *     * encoding: unused     * decoding: set by AVCodecContext.get_buffer()     */    uint8_t **extended_data;    /**宽高     * width and height of the video frame     * - encoding: unused     * - decoding: Read by user.     */    int width, height;    /**     * number of audio samples (per channel) described by this frame     * - encoding: Set by user     * - decoding: Set by libavcodec     */    int nb_samples;    /**     * format of the frame, -1 if unknown or unset     * Values correspond to enum AVPixelFormat for video frames,     * enum AVSampleFormat for audio)     * - encoding: unused     * - decoding: Read by user.     */    int format;    /**是否是关键帧     * 1 -> keyframe, 0-> not     * - encoding: Set by libavcodec.     * - decoding: Set by libavcodec.     */    int key_frame;    /**帧类型（I,B,P）     * Picture type of the frame, see ?_TYPE below.     * - encoding: Set by libavcodec. for coded_picture (and set by user for input).     * - decoding: Set by libavcodec.     */    enum AVPictureType pict_type;    /**     * pointer to the first allocated byte of the picture. Can be used in get_buffer/release_buffer.     * This isn't used by libavcodec unless the default get/release_buffer() is used.     * - encoding:     * - decoding:     */    uint8_t *base[AV_NUM_DATA_POINTERS];    /**     * sample aspect ratio for the video frame, 0/1 if unknown/unspecified     * - encoding: unused     * - decoding: Read by user.     */    AVRational sample_aspect_ratio;    /**     * presentation timestamp in time_base units (time when frame should be shown to user)     * If AV_NOPTS_VALUE then frame_rate = 1/time_base will be assumed.     * - encoding: MUST be set by user.     * - decoding: Set by libavcodec.     */    int64_t pts;    /**     * reordered pts from the last AVPacket that has been input into the decoder     * - encoding: unused     * - decoding: Read by user.     */    int64_t pkt_pts;    /**     * dts from the last AVPacket that has been input into the decoder     * - encoding: unused     * - decoding: Read by user.     */    int64_t pkt_dts;    /**     * picture number in bitstream order     * - encoding: set by     * - decoding: Set by libavcodec.     */    int coded_picture_number;    /**     * picture number in display order     * - encoding: set by     * - decoding: Set by libavcodec.     */    int display_picture_number;    /**     * quality (between 1 (good) and FF_LAMBDA_MAX (bad))     * - encoding: Set by libavcodec. for coded_picture (and set by user for input).     * - decoding: Set by libavcodec.     */    int quality;    /**     * is this picture used as reference     * The values for this are the same as the MpegEncContext.picture_structure     * variable, that is 1->top field, 2->bottom field, 3->frame/both fields.     * Set to 4 for delayed, non-reference frames.     * - encoding: unused     * - decoding: Set by libavcodec. (before get_buffer() call)).     */    int reference;    /**QP表     * QP table     * - encoding: unused     * - decoding: Set by libavcodec.     */    int8_t *qscale_table;    /**     * QP store stride     * - encoding: unused     * - decoding: Set by libavcodec.     */    int qstride;    /**     *     */    int qscale_type;    /**跳过宏块表     * mbskip_table[mb]>=1 if MB didn't change     * stride= mb_width = (width+15)>>4     * - encoding: unused     * - decoding: Set by libavcodec.     */    uint8_t *mbskip_table;    /**运动矢量表     * motion vector table     * @code     * example:     * int mv_sample_log2= 4 - motion_subsample_log2;     * int mb_width= (width+15)>>4;     * int mv_stride= (mb_width << mv_sample_log2) + 1;     * motion_val[direction][x + y*mv_stride][0->mv_x, 1->mv_y];     * @endcode     * - encoding: Set by user.     * - decoding: Set by libavcodec.     */    int16_t (*motion_val[2])[2];    /**宏块类型表     * macroblock type table     * mb_type_base + mb_width + 2     * - encoding: Set by user.     * - decoding: Set by libavcodec.     */    uint32_t *mb_type;    /**DCT系数     * DCT coefficients     * - encoding: unused     * - decoding: Set by libavcodec.     */    short *dct_coeff;    /**参考帧列表     * motion reference frame index     * the order in which these are stored can depend on the codec.     * - encoding: Set by user.     * - decoding: Set by libavcodec.     */    int8_t *ref_index[2];    /**     * for some private data of the user     * - encoding: unused     * - decoding: Set by user.     */    void *opaque;    /**     * error     * - encoding: Set by libavcodec. if flags&CODEC_FLAG_PSNR.     * - decoding: unused     */    uint64_t error[AV_NUM_DATA_POINTERS];    /**     * type of the buffer (to keep track of who has to deallocate data[*])     * - encoding: Set by the one who allocates it.     * - decoding: Set by the one who allocates it.     * Note: User allocated (direct rendering) & internal buffers cannot coexist currently.     */    int type;    /**     * When decoding, this signals how much the picture must be delayed.     * extra_delay = repeat_pict / (2*fps)     * - encoding: unused     * - decoding: Set by libavcodec.     */    int repeat_pict;    /**     * The content of the picture is interlaced.     * - encoding: Set by user.     * - decoding: Set by libavcodec. (default 0)     */    int interlaced_frame;    /**     * If the content is interlaced, is top field displayed first.     * - encoding: Set by user.     * - decoding: Set by libavcodec.     */    int top_field_first;    /**     * Tell user application that palette has changed from previous frame.     * - encoding: ??? (no palette-enabled encoder yet)     * - decoding: Set by libavcodec. (default 0).     */    int palette_has_changed;    /**     * codec suggestion on buffer type if != 0     * - encoding: unused     * - decoding: Set by libavcodec. (before get_buffer() call)).     */    int buffer_hints;    /**     * Pan scan.     * - encoding: Set by user.     * - decoding: Set by libavcodec.     */    AVPanScan *pan_scan;    /**     * reordered opaque 64bit (generally an integer or a double precision float     * PTS but can be anything).     * The user sets AVCodecContext.reordered_opaque to represent the input at     * that time,     * the decoder reorders values as needed and sets AVFrame.reordered_opaque     * to exactly one of the values provided by the user through AVCodecContext.reordered_opaque     * @deprecated in favor of pkt_pts     * - encoding: unused     * - decoding: Read by user.     */    int64_t reordered_opaque;    /**     * hardware accelerator private data (FFmpeg-allocated)     * - encoding: unused     * - decoding: Set by libavcodec     */    void *hwaccel_picture_private;    /**     * the AVCodecContext which ff_thread_get_buffer() was last called on     * - encoding: Set by libavcodec.     * - decoding: Set by libavcodec.     */    struct AVCodecContext *owner;    /**     * used by multithreading to store frame-specific info     * - encoding: Set by libavcodec.     * - decoding: Set by libavcodec.     */    void *thread_opaque;    /**     * log2 of the size of the block which a single vector in motion_val represents:     * (4->16x16, 3->8x8, 2-> 4x4, 1-> 2x2)     * - encoding: unused     * - decoding: Set by libavcodec.     */    uint8_t motion_subsample_log2;    /**（音频）采样率     * Sample rate of the audio data.     *     * - encoding: unused     * - decoding: read by user     */    int sample_rate;    /**     * Channel layout of the audio data.     *     * - encoding: unused     * - decoding: read by user.     */    uint64_t channel_layout;    /**     * frame timestamp estimated using various heuristics, in stream time base     * Code outside libavcodec should access this field using:     * av_frame_get_best_effort_timestamp(frame)     * - encoding: unused     * - decoding: set by libavcodec, read by user.     */    int64_t best_effort_timestamp;    /**     * reordered pos from the last AVPacket that has been input into the decoder     * Code outside libavcodec should access this field using:     * av_frame_get_pkt_pos(frame)     * - encoding: unused     * - decoding: Read by user.     */    int64_t pkt_pos;    /**     * duration of the corresponding packet, expressed in     * AVStream->time_base units, 0 if unknown.     * Code outside libavcodec should access this field using:     * av_frame_get_pkt_duration(frame)     * - encoding: unused     * - decoding: Read by user.     */    int64_t pkt_duration;    /**     * metadata.     * Code outside libavcodec should access this field using:     * av_frame_get_metadata(frame)     * - encoding: Set by user.     * - decoding: Set by libavcodec.     */    AVDictionary *metadata;    /**     * decode error flags of the frame, set to a combination of     * FF_DECODE_ERROR_xxx flags if the decoder produced a frame, but there     * were errors during the decoding.     * Code outside libavcodec should access this field using:     * av_frame_get_decode_error_flags(frame)     * - encoding: unused     * - decoding: set by libavcodec, read by user.     */    int decode_error_flags;#define FF_DECODE_ERROR_INVALID_BITSTREAM   1#define FF_DECODE_ERROR_MISSING_REFERENCE   2    /**     * number of audio channels, only used for audio.     * Code outside libavcodec should access this field using:     * av_frame_get_channels(frame)     * - encoding: unused     * - decoding: Read by user.     */    int64_t channels;} AVFrame;

AVFrame结构体一般用于存储原始数据（即非压缩数据，例如对视频来说是YUV，RGB，对音频来说是PCM），此外还包含了一些相关的信息。比如说，解码的时候存储了宏块类型表，QP表，运动矢量表等数据。编码的时候也存储了相关的数据。因此在使用FFMPEG进行码流分析的时候，AVFrame是一个很重要的结构体。

下面看几个主要变量的作用（在这里考虑解码的情况）：

uint8_t *data[AV_NUM_DATA_POINTERS]：解码后原始数据（对视频来说是YUV，RGB，对音频来说是PCM）

int linesize[AV_NUM_DATA_POINTERS]：data的大小

int width, height：视频帧宽和高（1920x1080,1280x720...）

int nb_samples：音频的一个AVFrame中可能包含多个音频帧，在此标记包含了几个

int format：解码后原始数据类型（YUV420，YUV422，RGB24...）

int key_frame：是否是关键帧

enum AVPictureType pict_type：帧类型（I,B,P...）

AVRational sample_aspect_ratio：宽高比（16:9，4:3...）

int64_t pts：显示时间戳

int coded_picture_number：编码帧序号

int display_picture_number：显示帧序号

int8_t *qscale_table：QP表

uint8_t *mbskip_table：跳过宏块表

int16_t (*motion_val[2])[2]：运动矢量表

uint32_t *mb_type：宏块类型表

short *dct_coeff：DCT系数，这个没有提取过

int8_t *ref_index[2]：运动估计参考帧列表（貌似H.264这种比较新的标准才会涉及到多参考帧）

int interlaced_frame：是否是隔行扫描

uint8_t motion_subsample_log2：一个宏块中的运动矢量采样个数，取log的

其他的变量不再一一列举，源代码中都有详细的说明。在这里重点分析一下几个需要一定的理解的变量：

1.data[]

对于packed格式的数据（例如RGB24），会存到data[0]里面。

对于planar格式的数据（例如YUV420P），则会分开成data[0]，data[1]，data[2]...（YUV420P中data[0]存Y，data[1]存U，data[2]存V）

具体参见：

2.pict_type

包含以下类型：

enum AVPictureType {    AV_PICTURE_TYPE_NONE = 0, ///< Undefined    AV_PICTURE_TYPE_I,     ///< Intra    AV_PICTURE_TYPE_P,     ///< Predicted    AV_PICTURE_TYPE_B,     ///< Bi-dir predicted    AV_PICTURE_TYPE_S,     ///< S(GMC)-VOP MPEG4    AV_PICTURE_TYPE_SI,    ///< Switching Intra    AV_PICTURE_TYPE_SP,    ///< Switching Predicted    AV_PICTURE_TYPE_BI,    ///< BI type};

3.sample_aspect_ratio

宽高比是一个分数，FFMPEG中用AVRational表达分数：

/** * rational number numerator/denominator */typedef struct AVRational{    int num; ///< numerator    int den; ///< denominator} AVRational;

4.qscale_table

QP表指向一块内存，里面存储的是每个宏块的QP值。宏块的标号是从左往右，一行一行的来的。每个宏块对应1个QP。

qscale_table[0]就是第1行第1列宏块的QP值；qscale_table[1]就是第1行第2列宏块的QP值；qscale_table[2]就是第1行第3列宏块的QP值。以此类推...

宏块的个数用下式计算：

注：宏块大小是16x16的。

每行宏块数：

int mb_stride = pCodecCtx->width/16+1

宏块的总数：

int mb_sum = ((pCodecCtx->height+15)>>4)*(pCodecCtx->width/16+1)

5.motion_subsample_log2

1个运动矢量所能代表的画面大小（用宽或者高表示，单位是像素），注意，这里取了log2。

代码注释中给出以下数据：

4->16x16, 3->8x8, 2-> 4x4, 1-> 2x2

即1个运动矢量代表16x16的画面的时候，该值取4；1个运动矢量代表8x8的画面的时候，该值取3...以此类推

6.motion_val

运动矢量表存储了一帧视频中的所有运动矢量。

该值的存储方式比较特别：

int16_t (*motion_val[2])[2];

为了弄清楚该值究竟是怎么存的，花了我好一阵子功夫...

注释中给了一段代码：

int mv_sample_log2= 4 - motion_subsample_log2;int mb_width= (width+15)>>4;int mv_stride= (mb_width << mv_sample_log2) + 1;motion_val[direction][x + y*mv_stride][0->mv_x, 1->mv_y];

大概知道了该数据的结构：

1.首先分为两个列表L0和L1

2.每个列表（L0或L1）存储了一系列的MV（每个MV对应一个画面，大小由motion_subsample_log2决定）

3.每个MV分为横坐标和纵坐标（x,y）

注意，在FFMPEG中MV和MB在存储的结构上是没有什么关联的，第1个MV是屏幕上左上角画面的MV（画面的大小取决于motion_subsample_log2），第2个MV是屏幕上第1行第2列的画面的MV，以此类推。因此在一个宏块（16x16）的运动矢量很有可能如下图所示（line代表一行运动矢量的个数）：

//例如8x8划分的运动矢量与宏块的关系：				//-------------------------				//|          |            |				//|mv[x]     |mv[x+1]     |				//-------------------------				//|          |	          |				//|mv[x+line]|mv[x+line+1]|				//-------------------------

7.mb_type

宏块类型表存储了一帧视频中的所有宏块的类型。其存储方式和QP表差不多。只不过其是uint32类型的，而QP表是uint8类型的。每个宏块对应一个宏块类型变量。

宏块类型如下定义所示：

//The following defines may change, don't expect compatibility if you use them.#define MB_TYPE_INTRA4x4   0x0001#define MB_TYPE_INTRA16x16 0x0002 //FIXME H.264-specific#define MB_TYPE_INTRA_PCM  0x0004 //FIXME H.264-specific#define MB_TYPE_16x16      0x0008#define MB_TYPE_16x8       0x0010#define MB_TYPE_8x16       0x0020#define MB_TYPE_8x8        0x0040#define MB_TYPE_INTERLACED 0x0080#define MB_TYPE_DIRECT2    0x0100 //FIXME#define MB_TYPE_ACPRED     0x0200#define MB_TYPE_GMC        0x0400#define MB_TYPE_SKIP       0x0800#define MB_TYPE_P0L0       0x1000#define MB_TYPE_P1L0       0x2000#define MB_TYPE_P0L1       0x4000#define MB_TYPE_P1L1       0x8000#define MB_TYPE_L0         (MB_TYPE_P0L0 | MB_TYPE_P1L0)#define MB_TYPE_L1         (MB_TYPE_P0L1 | MB_TYPE_P1L1)#define MB_TYPE_L0L1       (MB_TYPE_L0   | MB_TYPE_L1)#define MB_TYPE_QUANT      0x00010000#define MB_TYPE_CBP        0x00020000//Note bits 24-31 are reserved for codec specific use (h264 ref0, mpeg1 0mv, ...)

一个宏块如果包含上述定义中的一种或两种类型，则其对应的宏块变量的对应位会被置1。

注：一个宏块可以包含好几种类型，但是有些类型是不能重复包含的，比如说一个宏块不可能既是16x16又是8x8。

8.ref_index

运动估计参考帧列表存储了一帧视频中所有宏块的参考帧索引。这个列表其实在比较早的压缩编码标准中是没有什么用的。只有像H.264这样的编码标准才有多参考帧的概念。但是这个字段目前我还没有研究透。只是知道每个宏块包含有4个该值，该值反映的是参考帧的索引。以后有机会再进行细研究吧。

在这里展示一下自己做的码流分析软件的运行结果。将上文介绍的几个列表图像化显示了出来（在这里是使用MFC的绘图函数画出来的）

视频帧：