- [FFmpeg 使用筆記 - 爱吃土豆的男孩 - 博客园](https://www.cnblogs.com/dk666/articles/7327265.html)

## AVInputFormat/AVOutputFormat

multimedia 檔案的 Muxer/Demuxer，將多個 stream；如 auodi 、video 等，以單個媒體承載。媒體可以是檔案、 network session 等等。每一個 `AVFormat` 代表一種格式，像是`.avi` 、`.wmv` 、`.dat` 等等各種格式，使用不同的方式 mux/demux 多個 stream。每一 `AVFormat` 都實作特定的格式，使用時必需選擇和目的格式相符的 AVFormat 實作，才能正確的讀取 stream 的內容。

## AVFormatContext

`AVFormatContext` 是 `AVFormat` 的一個 instance ，用以存放 `AVFormat` 的執行狀態。使用 FFmpeg 處理檔案時，必需為 `AVInputFormat`/`AVOutputFormat` 建立一個 `AVFormatContext` 。同一個 format 可以建立多個 `AVFormatContext` ，各立獨立，不相互干擾，以同時處理多個檔案。

## AVStream

`AVStream` 用以對應到 `AVFormatContext` 裡的一個 stream 。因此同一個 `AVFormatContext` 管理了多個 `AVStream` ，以對應到存在檔案或透過 network session 傳送的數個 stream。

## AVPacket

在 stream 裡的資料，是以 packet 為單位進行傳送/儲存。因此，一般多媒體檔，是將檔案當成 network session 一般處理。每一個 `AVPacket` 標注了所屬的 stream ，透過 `AVPacket` 的包裝，多個 stream 可以同時在一個媒介上傳送/儲存。因此，我們可以讀 stream 是由一系列的 packet 所組成。

## AVCodec

一個影音媒體檔裡，可以承載多個 stream。而 stream 內有 packet。 packet 的 payload ，也就是資料，是透過 codec 編碼/壓縮的。因此，必需透過 codec 進行讀取/寫入時的 decode/encode。AVCodec 就是實作 codec 演算法。同樣的，codec 的演算法有各式各樣。使用時，必需選正確的 `AVCodec` ，才能正確的 decode/encode。

## AVCodecContext

`AVCodecContext` 是 `AVCodec` 的一個 instance ，用以存放 `AVCodec` 的執行狀態。同樣可以建立多個 `AVCodecContext` ，同時處理多個相同格式、不同格式的 stream 。

## AVFrame

`AVFrame` 的頭幾個欄位和 `AVPicture` 相同，也就是 `AVPicture` 為 `AVFrame` 的一小部分。

## 寫入多媒體檔

步驟
- Select an `AVFormat`
- allocate a `AVFormatContext`
- initialize `AVFormatContext` with selected `AVFormat`
- create and initialize an `AVStream` with SVGFormatContext and codec_id specified by `AVFormat`
    - AVStream::codec is `AVCodecContext`
- initialize `AVCodecContext` with the `AVCodec` specified by codec_id
    - `avcodec_open()`
- initialize output stream of `AVFormatContext`
- `av_write_header()`
- write frames
    - create an `AVFrame`
    - initialize an `AVPacket` with `AVFrame`
    - `av_write_frame()`
- close streams
- `av_write_trailer()`
- free streams
- close output stream
- free `AVFromatContext`

## 讀取多媒體檔

產生檔案時，目的格式是由我們所選擇，因此問題往往較單純一點。但讀取檔案時，我們不確定檔案的格式，必需進行格式判斷後，才確定使用哪一個 AVInputFormat 。
- `av_open_input_file()`
    - Read probe buffer
        - `get_buffer()`
    - `av_probe_input_format()` or `av_probe_input_format2()`
        - return `AVFormat`
    - Allocate `AVFormatContext`
    - `av_open_input_stream()`
- av_find_stream_info
- setup codec for streams
    - `avcodec_find_decoder()`
    - `avcodec_open()`
- 讀取 frames
    - `av_read_frame()`
    - prepare an `AVFrame`
        - `avcodec_get_frame_defaults()`
    - decode the frame in pkt to `AVFrame`
        - `avcodec_decode_video()`
        - got_picture is true if a picture being returned by the AVFrame.
- close codec

## 範例：影片讀取

```cpp
#include <stdio.h>;
#include <string.h>
#include <libavformat/avformat.h>
#include <libavcodec/avcodec.h>
    
int main(int argc, const char *argv[]) {
    const char *fname;
    AVFormatContext *ic;
    AVStream *is, *tis;
    AVCodec *codec;
    AVFormatParameters params, *ap = &params;
    AVPacket pkt;
    AVFrame frame;
    AVPicture *pic;
    int got_picture;
    int i, r;
    
    av_register_all();

    if(argc != 2) {
        fprintf(stderr, "Usage: %s <media file>\n", argv[0]);
        return 1;
    }
    
    fname = argv[1];
         
    memset(ap, 0, sizeof(AVFormatParameters));
    ap->video_codec_id = CODEC_ID_NONE;
    printf("codec id %X\n", ap->video_codec_id);
    
    r = av_open_input_file(&ic, fname, NULL, 0, ap);
    if(r != 0 || ic == NULL) {
        fprintf(stderr, "can not open input file %s\n", fname);
        return 1;
    }
    
    av_find_stream_info(ic);
    
    is = NULL;
    for(i = 0; i < ic->nb_streams; i++) {
        tis = ic->streams[i];
        if(tis->codec->codec_type == CODEC_TYPE_VIDEO) {
            printf("channel %d of %d\n", i, ic->nb_streams);
            is = tis;
        }
    }

    codec = avcodec_find_decoder(is->codec->codec_id);
    if(codec == NULL) {
        fprintf(stderr, "can not find codec %s\n", is->codec->codec_name);
        return 1;
    }

    r = avcodec_open(is->codec, codec);
    if(r != 0) {
        fprintf(stderr, "can not initialize a AVCodecContext for codec %s\n",
                codec->name);
        return 1;
    }
    printf("Codec %s (%d x %d)\n", codec->name, is->codec->width,
           is->codec->height);

    for(i = 0; i < 10;) {
        r = av_read_frame(ic, &pkt);
        if(r != 0) {
            fprintf(stderr, "no more frame\n");
            return 1;
        }

        if(pkt.stream_index != is->index)
            continue;

        if(pkt.pts != AV_NOPTS_VALUE)
            printf("Frame %d@%d: pts=%lld, dts=%lld, size=%d, data=%x\n",
                   i, pkt.stream_index, pkt.pts, pkt.dts, pkt.size, pkt.data);
        else
            printf("Frame %d@%d: pts=N/A, dts=%lld, size=%d, data=%x\n",
                   i, pkt.stream_index, pkt.dts, pkt.size, pkt.data);
        av_pkt_dump(stdout, &pkt, 0);

        avcodec_get_frame_defaults(&frame);
        r = avcodec_decode_video(is->codec, &frame, &got_picture,
                             pkt.data, pkt.size);
        if(r < 0) {
            printf("decoding error\n");
            return 1;
        }
        if(got_picture) {
            printf("\tlinesize[4]={%d %d %d %d}, data[4]={%x %x %x %x)}\n",
                   frame.linesize[0], frame.linesize[1],
                   frame.linesize[2], frame.linesize[3],
                   frame.data[0], frame.data[1],
                   frame.data[2], frame.data[3]);
        }

        av_free_packet(&pkt);
        i++;
    }

    avcodec_close(is->codec);

    return 0;
}
```


FFMPEG中结构体很多。最关键的结构体可以分成以下几类：

1. 解协议（http,rtsp,rtmp,mms）
    AVIOContext，URLProtocol，URLContext主要存储视音频使用的协议的类型以及状态。URLProtocol存储输入视音频使用的封装格式。每种协议都对应一个URLProtocol结构。（注意：FFMPEG中文件也被当做一种协议“file”）

2. 解封装（flv,avi,rmvb,mp4）
    AVFormatContext主要存储视音频封装格式中包含的信息；AVInputFormat存储输入视音频使用的封装格式。每种视音频封装格式都对应一个AVInputFormat 结构。

3. 解码（h264,mpeg2,aac,mp3）
    每个AVStream存储一个视频/音频流的相关数据；每个AVStream对应一个AVCodecContext，存储该视频/音频流使用解码方式的相关数据；每个AVCodecContext中对应一个AVCodec，包含该视频/音频对应的解码器。每种解码器都对应一个AVCodec结构。

4. 存数据
    视频的话，每个结构一般是存一帧；音频可能有好几帧
    解码前数据：AVPacket
    解码后数据：AVFrame
    他们之间的对应关系如下所示：
    ![[Pasted image 20231220095827.png]]