【音视频】音频解码实战

音频解码过程

⾳频解码过程如下图所示：

FFmpeg流程

关键函数

关键函数说明：

• avcodec_find_decoder：根据指定的AVCodecID查找注册的解码器。
• av_parser_init：初始化AVCodecParserContext。
• avcodec_alloc_context3：为AVCodecContext分配内存。
• avcodec_open2：打开解码器。
• av_parser_parse2：解析获得⼀个Packet。
• avcodec_send_packet：将AVPacket压缩数据给解码器。
• avcodec_receive_frame：获取到解码后的AVFrame数据。
• av_get_bytes_per_sample: 获取每个sample中的字节数。

关键数据结构

AVCodecParser：⽤于解析输⼊的数据流并把它分成⼀帧⼀帧的压缩编码数据。⽐较形象的说法就是把⻓⻓的⼀段连续的数据“切割”成⼀段段的数据。⽐如AAC aac_parser

ffmpeg-4.2.1\libavcodec\aac_parser.c

AVCodecParser ff_aac_parser = {codec_ids = { AV_CODEC_ID_AAC },priv_data_size = sizeof(AACAC3ParseContext),parser_init = aac_parse_init,parser_parse = ff_aac_ac3_parse,parser_close = ff_parse_close,
};

从AVCodecParser结构的实例化我们可以看出来，不同编码类型的parser是和CODE_ID进⾏绑定的。所以也就可以解释

parser = av_parser_init(codec->id);

可以通过CODE_ID查找到对应的码流 parser。

avcodec编解码API介绍

• avcodec_send_packet、avcodec_receive_frame的API是FFmpeg3版本加⼊的。
• 为了正确的使⽤它们，有必要阅读FFmpeg的⽂档说明：FFmpeg: send/receive encoding and decoding API overview

以下内容摘译⾃⽂档说明

FFmpeg提供了两组函数，分别⽤于编码和解码：

• 解码：avcodec_send_packet()、avcodec_receive_frame()。
• 解码：avcodec_send_frame()、avcodec_receive_packet()。
  API的设计与编解码的流程⾮常贴切。

建议的使⽤流程如下：

1. 像以前⼀样设置并打开AVCodecContext。
2. 输⼊有效的数据：

• 解码：调⽤avcodec_send_packet()给解码器传⼊包含原始的压缩数据的AVPacket对象。
• 编码：调⽤ avcodec_send_frame()给编码器传⼊包含解压数据的AVFrame对象。

两种情况下推荐AVPacket和AVFrame都使⽤refcounted（引⽤计数）的模式，否则libavcodec可能不得不对输⼊的数据进⾏拷⻉。

3. 在⼀个循环体内去接收codec的输出，即周期性地调⽤avcodec_receive_*()来接收codec输出的数据：

• 解码：调⽤avcodec_receive_frame()，如果成功会返回⼀个包含未压缩数据的AVFrame。
• 编码：调⽤avcodec_receive_packet()，如果成功会返回⼀个包含压缩数据的AVPacket。

反复地调⽤avcodec_receive_packet()直到返回 AVERROR(EAGAIN)或其他错误。返回AVERROR(EAGAIN)错误表示codec需要新的输⼊来输出更多的数据。对于每个输⼊的packet或frame，codec⼀般会输出⼀个frame或packet，但是也有可能输出0个或者多于1个。

4. 流处理结束的时候需要flush（冲刷） codec。因为codec可能在内部缓冲多个frame或packet，出于性能或其他必要的情况（如考虑B帧的情况）。

处理流程如下：

• 调⽤avcodec_send_*()传⼊的AVFrame或AVPacket指针设置为NULL。 这将进⼊draining mode（排⽔模式）。
• 反复地调⽤avcodec_receive_*()直到返回AVERROR_EOF，该⽅法在draining mode时不会返回AVERROR(EAGAIN)的错误，除⾮你没有进⼊draining mode。
• 当重新开启codec时，需要先调⽤ avcodec_flush_buffers()来重置codec。

说明：

1. 编码或者解码刚开始的时候，codec可能接收了多个输⼊的frame或packet后还没有输出数据，直到内部的buffer被填充满。上⾯的使⽤流程可以处理这种情况。
2. 理论上，只有在输出数据没有被完全接收的情况调⽤avcodec_send_*()的时候才可能会发⽣AVERROR(EAGAIN)的错误。你可以依赖这个机制来实现区别于上⾯建议流程的处理⽅式，⽐如每次循环都调⽤avcodec_send_*()，在出现AVERROR(EAGAIN)错误的时候再去调⽤avcodec_receive_*()。
3. 并不是所有的codec都遵循⼀个严格、可预测的数据处理流程，唯⼀可以保证的是 “调⽤avcodec_send_*()/avcodec_receive_*()返回AVERROR(EAGAIN)的时候去avcodec_receive_*()/avcodec_send_*()会成功，否则不应该返回AVERROR(EAGAIN)的错误。”⼀般来说，任何codec都不允许⽆限制地缓存输⼊或者输出。
4. 在同⼀个AVCodecContext上混合使⽤新旧API是不允许的，这将导致未定义的⾏为。

avcodec_send_packet

函数：

int avcodec_send_packet(AVCodecContext *avctx, const AVPacket *avpkt);

作用：

• ⽀持将裸流数据包送给解码器

警告：

• 输⼊的avpkt-data缓冲区必须⼤于AV_INPUT_PADDING_SIZE，因为优化的字节流读取器必须⼀次读取32或者64⽐特的数据
• 不能跟之前的API(例如avcodec_decode_video2)混⽤，否则会返回不可预知的错误

备注：

• 在将包发送给解码器的时候，AVCodecContext必须已经通过avcodec_open2打开

参数：

• avctx：解码上下⽂
• avpkt：输⼊AVPakcet.通常情况下，输⼊数据是⼀个单⼀的视频帧或者⼏个完整的⾳频帧。调⽤者保留包的原有属性，解码器不会修改包的内容。解码器可能创建对包的引⽤。如果包没有引⽤计数将拷⻉⼀份。跟以往的API不⼀样，输⼊的包的数据将被完全地消耗，如果包含有多个帧，要求多次调⽤avcodec_recvive_frame，直到avcodec_recvive_frame返回VERROR(EAGAIN)或AVERROR_EOF。输⼊参数可以为NULL，或者AVPacket的data域设置为NULL或者size域设置为0，表示将刷新所有的包，意味着数据流已经结束了。第⼀次发送刷新会总会成功，第⼆次发送刷新包是没有必要的，并且返回AVERROR_EOF,如果×××缓存了⼀些帧，返回⼀个刷新包，将会返回所有的解码包

返回值：

• 0: 表示成功
• AVERROR(EAGAIN)：当前状态不接受输⼊，⽤户必须先使⽤avcodec_receive_frame() 读取数据帧；
• AVERROR_EOF：解码器已刷新，不能再向其发送新包；
• AVERROR(EINVAL)：没有打开解码器，或者这是⼀个编码器，或者要求刷新；
• AVERRO(ENOMEN)：⽆法将数据包添加到内部队列。

avcodec_receive_frame

函数：

int avcodec_receive_frame ( AVCodecContext * avctx, AVFrame * frame )

作⽤：

• 从解码器返回已解码的输出数据。

参数：

• avctx: 编解码器上下⽂
• frame: 获取使⽤reference-counted机制的audio或者video帧（取决于解码器类型）。请注意，在执⾏其他操作之前，函数内部将始终先调⽤av_frame_unref(frame)。

返回值：

• 0: 成功，返回⼀个帧
• AVERROR(EAGAIN): 该状态下没有帧输出，需要使⽤avcodec_send_packet发送新的packet到解码器
• AVERROR_EOF: 解码器已经被完全刷新，不再有输出帧
• AVERROR(EINVAL): 编解码器没打开
• 其他<0的值: 具体查看对应的错误码

实现流程

准备文件

将aac和mp3文件放在build目录下

添加main函数参数，表示输入文件和输出文件

读取文件

使用二进制读取文件

 // 打开输入文件
infile = fopen(filename, "rb");
if (!infile) {fprintf(stderr, "Could not open %s\n", filename);exit(1);
}

查找解码器

• 根据不同的格式使用不同的解码器ID

enum AVCodecID audio_codec_id = AV_CODEC_ID_AAC;
if(strstr(filename, "aac") != NULL)
{audio_codec_id = AV_CODEC_ID_AAC;
}
else if(strstr(filename, "mp3") != NULL)
{audio_codec_id = AV_CODEC_ID_MP3;
}

• 根据解码器ID查找解码器，填充解码器信息

const AVCodec *codec;
codec = avcodec_find_decoder(audio_codec_id); 

• 分配解码器上下文，将解码器信息拷贝到解码器上下文

codec_ctx = avcodec_alloc_context3(codec);

• 打开解码器上下文，将解码器和解码器上下文关联

avcodec_open2(codec_ctx, codec, NULL)

初始化裸流解析器

• 需要解析为pcm，因此需要使用到裸流解析器
• 根据不同的解码器ID分配不同裸流解析器，填充解析器信息

AVCodecParserContext *parser = NULL;
parser = av_parser_init(codec->id);

打开输出文件

// 打开输出文件
FILE *outfile = NULL;
outfile = fopen(outfilename, "wb");
if (!outfile) {av_free(codec_ctx);exit(1);
}

• 开始读取文件内容、
• AUDIO_INBUF_SIZE定义了单次最多读取的数量
• AV_INPUT_BUFFER_PADDING_SIZE宏为64，主要是防止一些编解码器适配问题而添加了尾部长度

#define AUDIO_INBUF_SIZE 20480
uint8_t inbuf[AUDIO_INBUF_SIZE + AV_INPUT_BUFFER_PADDING_SIZE];
uint8_t *data = NULL;data = inbuf;
data_size = fread(inbuf, 1, AUDIO_INBUF_SIZE, infile);

循环读取文件内容

• 分配帧内存，如果分配失败，则进行相关错误操作

AVFrame *decoded_frame = NULL;
if (!decoded_frame){if (!(decoded_frame = av_frame_alloc())){fprintf(stderr, "Could not allocate audio frame\n");exit(1);}}

• 解码出的数据是一段连续的数据裸流，因此需要使用裸流解析器进行分开
• av_parser_parse2函数用于将裸流数据解析成一帧一帧的数据包存入在packet中，AV_NOPTS_VALUE表示没有时间戳dts和pts，因为需要解析出的是pcm流，不存在时间戳
• ret返回的是已经解析了的数据大小，也就是说传进去的数据不一定全部被解析完，存在碎片信息

AVPacket *pkt = NULL;
pkt = av_packet_alloc();
ret = av_parser_parse2(parser, codec_ctx, &pkt->data, &pkt->size,data, data_size,AV_NOPTS_VALUE, AV_NOPTS_VALUE, 0)

• 根据返回的碎片大小，调整文件数据指针

data      += ret;   // 跳过已经解析的数据
data_size -= ret;   // 对应的缓存大小也做相应减小

• 对packet包的数据进行解码

if (pkt->size)decode(codec_ctx, pkt, decoded_frame, outfile);

decode函数

• 主要是使用avcodec_send_packet发送数据包，以及avcodec_receive_frame接收数据包
• 需要判断一下返回值，根据不同返回值进行错误处理或者进行下一步解码

avcodec_send_packet

 ret = avcodec_send_packet(dec_ctx, pkt);if(ret == AVERROR(EAGAIN)){fprintf(stderr, "Receive_frame and send_packet both returned EAGAIN, which is an API violation.\n");}else if (ret < 0){fprintf(stderr, "Error submitting the packet to the decoder, err:%s, pkt_size:%d\n",av_get_err(ret), pkt->size);
//        exit(1);return;}

avcodec_receive_frame

 ret = avcodec_receive_frame(dec_ctx, frame);if (ret == AVERROR(EAGAIN) || ret == AVERROR_EOF)return;else if (ret < 0){fprintf(stderr, "Error during decoding\n");exit(1);}

• 写入文件
• 根据不同的音频格式获取一个样本所占的字节数

int data_size;
data_size = av_get_bytes_per_sample(dec_ctx->sample_fmt);

• 根据不同的声道数，循环写入数据
• 这样写入的类型是float类型

for (i = 0; i < frame->nb_samples; i++){for (ch = 0; ch < dec_ctx->channels; ch++)  // 交错的方式写入, 大部分float的格式输出fwrite(frame->data[ch] + data_size*i, 1, data_size, outfile);}

• 循环读入文件，直到缓冲区buf的内存少于我们设置的阈值后，重新读取文件信息
• 首先将没读取完的数据放到缓冲区头部，然后再读取剩下的大小
• memove函数的作用是将data开始的data_size长度字节的数据拷贝到inbuf头部

#define AUDIO_REFILL_THRESH 4096
if (data_size < AUDIO_REFILL_THRESH)    // 如果数据少了则再次读取{memmove(inbuf, data, data_size);    // 把之前剩的数据拷贝到buffer的起始位置data = inbuf;// 读取数据 长度: AUDIO_INBUF_SIZE - data_sizelen = fread(data + data_size, 1, AUDIO_INBUF_SIZE - data_size, infile);if (len > 0)data_size += len;}

冲刷解码器

• 如果读取结束了，就退出循环

while (data_size > 0)

• 退出读取后需要冲刷解码器，让它进入drain mode
drain mode是什么？
• 在使用 FFmpeg 进行音视频解码时，当你已经将所有的编码数据包（AVPacket）都发送给解码器后，解码器内部可能仍然存在一些已经接收但还未完全解码的数据。这可能是由于编解码器的特性，例如存在延迟解码的情况（像一些视频编码格式中，为了提高压缩效率，会使用 B 帧（双向预测帧），这就可能导致解码过程存在延迟）。“drain mode” 就是用于处理这种情况，确保解码器将内部所有剩余的数据都解码输出。

pkt->data = NULL;   // 让其进入drain mode
pkt->size = 0;
decode(codec_ctx, pkt, decoded_frame, outfile);

释放内存

• 读取结束后需要释放相关上下文内存

avcodec_free_context(&codec_ctx);
av_parser_close(parser);
av_frame_free(&decoded_frame);
av_packet_free(&pkt);

• 关闭打开的文件

fclose(outfile);
fclose(infile);

完整代码

main.c

/**
* @projectName   07-05-decode_audio
* @brief         解码音频，主要的测试格式aac和mp3
* @author        Liao Qingfu
* @date          2020-01-16
*/
#include <stdio.h>
#include <stdlib.h>
#include <string.h>#include <libavutil/frame.h>
#include <libavutil/mem.h>#include <libavcodec/avcodec.h>#define AUDIO_INBUF_SIZE 20480
#define AUDIO_REFILL_THRESH 4096static char err_buf[128] = {0};
static char* av_get_err(int errnum)
{av_strerror(errnum, err_buf, 128);return err_buf;
}static void print_sample_format(const AVFrame *frame)
{printf("ar-samplerate: %uHz\n", frame->sample_rate);printf("ac-channel: %u\n", frame->channels);printf("f-format: %u\n", frame->format);// 格式需要注意，实际存储到本地文件时已经改成交错模式
}static void decode(AVCodecContext *dec_ctx, AVPacket *pkt, AVFrame *frame,FILE *outfile)
{int i, ch;int ret, data_size;/* send the packet with the compressed data to the decoder */ret = avcodec_send_packet(dec_ctx, pkt);if(ret == AVERROR(EAGAIN)){fprintf(stderr, "Receive_frame and send_packet both returned EAGAIN, which is an API violation.\n");}else if (ret < 0){fprintf(stderr, "Error submitting the packet to the decoder, err:%s, pkt_size:%d\n",av_get_err(ret), pkt->size);
//        exit(1);return;}/* read all the output frames (infile general there may be any number of them */while (ret >= 0){// 对于frame, avcodec_receive_frame内部每次都先调用ret = avcodec_receive_frame(dec_ctx, frame);if (ret == AVERROR(EAGAIN) || ret == AVERROR_EOF)return;else if (ret < 0){fprintf(stderr, "Error during decoding\n");exit(1);}data_size = av_get_bytes_per_sample(dec_ctx->sample_fmt);if (data_size < 0){/* This should not occur, checking just for paranoia */fprintf(stderr, "Failed to calculate data size\n");exit(1);}static int s_print_format = 0;if(s_print_format == 0){s_print_format = 1;print_sample_format(frame);}/**P表示Planar（平面），其数据格式排列方式为 :LLLLLLRRRRRRLLLLLLRRRRRRLLLLLLRRRRRRL...（每个LLLLLLRRRRRR为一个音频帧）而不带P的数据格式（即交错排列）排列方式为：LRLRLRLRLRLRLRLRLRLRLRLRLRLRLRLRLRLRL...（每个LR为一个音频样本）播放范例：   ffplay -ar 48000 -ac 2 -f f32le believe.pcm*/for (i = 0; i < frame->nb_samples; i++){for (ch = 0; ch < dec_ctx->channels; ch++)  // 交错的方式写入, 大部分float的格式输出fwrite(frame->data[ch] + data_size*i, 1, data_size, outfile);}}
}
// 播放范例：   ffplay -ar 48000 -ac 2 -f f32le believe.pcm
int main(int argc, char **argv)
{const char *outfilename;const char *filename;const AVCodec *codec;AVCodecContext *codec_ctx= NULL;AVCodecParserContext *parser = NULL;int len = 0;int ret = 0;FILE *infile = NULL;FILE *outfile = NULL;uint8_t inbuf[AUDIO_INBUF_SIZE + AV_INPUT_BUFFER_PADDING_SIZE];uint8_t *data = NULL;size_t   data_size = 0;AVPacket *pkt = NULL;AVFrame *decoded_frame = NULL;if (argc <= 2){fprintf(stderr, "Usage: %s <input file> <output file>\n", argv[0]);exit(0);}filename    = argv[1];outfilename = argv[2];pkt = av_packet_alloc();enum AVCodecID audio_codec_id = AV_CODEC_ID_AAC;if(strstr(filename, "aac") != NULL){audio_codec_id = AV_CODEC_ID_AAC;}else if(strstr(filename, "mp3") != NULL){audio_codec_id = AV_CODEC_ID_MP3;}else{printf("error reading file!\n");printf("default codec id:%d\n", audio_codec_id);}// 查找解码器codec = avcodec_find_decoder(audio_codec_id);  // AV_CODEC_ID_AACif (!codec) {fprintf(stderr, "Codec not found\n");exit(1);}// 获取裸流的解析器 AVCodecParserContext(数据)  +  AVCodecParser(方法)parser = av_parser_init(codec->id);if (!parser) {fprintf(stderr, "Parser not found\n");exit(1);}// 分配codec上下文codec_ctx = avcodec_alloc_context3(codec);if (!codec_ctx) {fprintf(stderr, "Could not allocate audio codec context\n");exit(1);}// 将解码器和解码器上下文进行关联if (avcodec_open2(codec_ctx, codec, NULL) < 0) {fprintf(stderr, "Could not open codec\n");exit(1);}// 打开输入文件infile = fopen(filename, "rb");if (!infile) {fprintf(stderr, "Could not open %s\n", filename);exit(1);}// 打开输出文件outfile = fopen(outfilename, "wb");if (!outfile) {av_free(codec_ctx);exit(1);}// 读取文件进行解码data      = inbuf;data_size = fread(inbuf, 1, AUDIO_INBUF_SIZE, infile);while (data_size > 0){if (!decoded_frame){if (!(decoded_frame = av_frame_alloc())){fprintf(stderr, "Could not allocate audio frame\n");exit(1);}}ret = av_parser_parse2(parser, codec_ctx, &pkt->data, &pkt->size,data, data_size,AV_NOPTS_VALUE, AV_NOPTS_VALUE, 0);if (ret < 0){fprintf(stderr, "Error while parsing\n");exit(1);}data      += ret;   // 跳过已经解析的数据data_size -= ret;   // 对应的缓存大小也做相应减小if (pkt->size)decode(codec_ctx, pkt, decoded_frame, outfile);if (data_size < AUDIO_REFILL_THRESH)    // 如果数据少了则再次读取{memmove(inbuf, data, data_size);    // 把之前剩的数据拷贝到buffer的起始位置data = inbuf;// 读取数据 长度: AUDIO_INBUF_SIZE - data_sizelen = fread(data + data_size, 1, AUDIO_INBUF_SIZE - data_size, infile);if (len > 0)data_size += len;}}/* 冲刷解码器 */pkt->data = NULL;   // 让其进入drain modepkt->size = 0;decode(codec_ctx, pkt, decoded_frame, outfile);fclose(outfile);fclose(infile);avcodec_free_context(&codec_ctx);av_parser_close(parser);av_frame_free(&decoded_frame);av_packet_free(&pkt);printf("main finish, please enter Enter and exit\n");return 0;
}

更多资料：https://github.com/0voice