AVFrame是包含码流参数较多的结构体。


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)

2.pict_type


包含以下类型:


1. enum AVPictureType {  
2. ///< Undefined  
3. ///< Intra  
4. ///< Predicted  
5. ///< Bi-dir predicted  
6. ///< S(GMC)-VOP MPEG4  
7. ///< Switching Intra  
8. ///< Switching Predicted  
9. ///< BI type  
10. };


3.sample_aspect_ratio


宽高比是一个分数,FFMPEG中用AVRational表达分数:



1. /**
2.  * rational number numerator/denominator
3.  */  
4. typedef struct AVRational{  
5. int num; ///< numerator  
6. int den; ///< denominator  
7. } 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:



1. int mb_stride = pCodecCtx->width/16+1


宏块的总数:



1. 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:



1. 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:

1. int mv_sample_log2= 4 - motion_subsample_log2;  
2. int mb_width= (width+15)>>4;  
3. int mv_stride= (mb_width << mv_sample_log2) + 1;  
4. 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

motion_subsample_log2决定)

3.每个MV分为横坐标和纵坐标(x,y)

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):


1. //例如8x8划分的运动矢量与宏块的关系:  
2. //-------------------------  
3. //|          |            |  
4. //|mv[x]     |mv[x+1]     |  
5. //-------------------------  
6. //|          |            |  
7. //|mv[x+line]|mv[x+line+1]|  
8. //-------------------------


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:


1. //The following defines may change, don't expect compatibility if you use them.  
2. #define MB_TYPE_INTRA4x4   0x0001  
3. #define MB_TYPE_INTRA16x16 0x0002 //FIXME H.264-specific  
4. #define MB_TYPE_INTRA_PCM  0x0004 //FIXME H.264-specific  
5. #define MB_TYPE_16x16      0x0008  
6. #define MB_TYPE_16x8       0x0010  
7. #define MB_TYPE_8x16       0x0020  
8. #define MB_TYPE_8x8        0x0040  
9. #define MB_TYPE_INTERLACED 0x0080  
10. #define MB_TYPE_DIRECT2    0x0100 //FIXME  
11. #define MB_TYPE_ACPRED     0x0200  
12. #define MB_TYPE_GMC        0x0400  
13. #define MB_TYPE_SKIP       0x0800  
14. #define MB_TYPE_P0L0       0x1000  
15. #define MB_TYPE_P1L0       0x2000  
16. #define MB_TYPE_P0L1       0x4000  
17. #define MB_TYPE_P1L1       0x8000  
18. #define MB_TYPE_L0         (MB_TYPE_P0L0 | MB_TYPE_P1L0)  
19. #define MB_TYPE_L1         (MB_TYPE_P0L1 | MB_TYPE_P1L1)  
20. #define MB_TYPE_L0L1       (MB_TYPE_L0   | MB_TYPE_L1)  
21. #define MB_TYPE_QUANT      0x00010000  
22. #define MB_TYPE_CBP        0x00020000  
23. //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:


FFMPEG结构体分析 AVFrame_ffmpeg

QP参数提取的结果:


FFMPEG结构体分析 AVFrame_ffmpeg_02

美化过的(加上了颜色):


FFMPEG结构体分析 AVFrame_#define_03

宏块类型参数提取的结果:


FFMPEG结构体分析 AVFrame_ffmpeg_04

美化过的(加上了颜色,更清晰一些,s代表skip宏块):



FFMPEG结构体分析 AVFrame_数据_05





运动矢量参数提取的结果(在这里是List0):


FFMPEG结构体分析 AVFrame_参考帧_06

运动估计参考帧参数提取的结果:


FFMPEG结构体分析 AVFrame_参考帧_07