当前位置：首页 > news >正文

音视频开发19 FFmpeg 视频解码- 将 h264 转化成 yuv

news 2026/2/10 2:08:55

视频解码过程

视频解码过程如下图所示：

⼀般解出来的是420p

FFmpeg流程

这里的流程是和音频的解码过程一样的，不同的只有在存储YUV数据的时候的形式

存储YUV 数据

如果知道YUV 数据的格式

前提：这里我们打开的h264文件，默认是YUV420P 格式的，

我们可以通过 AVFrame->frame 获得，获得的值如果是视频就是 AVPixelFormat。

我们可以通过 AVPixelFormat ，知道该视频的编码是啥？

在正常情况下，我们需要判断AVPixelFormat是那种类型，当前代码中并没有判断是因为我们默认使用的YUV420P，那么怎么存储这个YUV420P呢？

首先我们这里要明白，一个AVFrame就是一张图片，假设AVframe 我们存储的是322 * 356 ,322并不是16的整倍数，322/16 = 20......2 也就是说一行会有2个字节的剩余
那么这个剩余的2个字节，怎么办呢？会多给14个字节和剩余的2个字节结合起来。
因此如果我们用和音频类似的写法： fwrite(frame->data[0], 1, frame->width * frame->height, outfile) 去写，就会有问题，因为要保证这里 width是16的整倍数
这时候就要用到 ffmpeg 的AVFrame给我们提供的 linesize[x]了，

核心代码

        // 一般H264默认为 AV_PIX_FMT_YUV420P, 具体怎么强制转为 AV_PIX_FMT_YUV420P 在音视频合成输出的时候讲解// frame->linesize[1]  因为有字节对齐的问题。// 这里先回顾一下 音频的处理方式，在交错模式的时候，使用的 声道数*每个声道有多少个音频样本 * 每个样本占用多少个字节，这是因为音频上 没有字节对齐的问题//字节对齐问题的根本是因为 ，对于一张 322 * 356 的图片来说 ，322并不是16的整倍数，322/16 = 20......2 也就是说一行会有2个字节的剩余//那么这个剩余的2个字节，怎么办呢？会多给14个字节和剩余的2个字节 结合起来。//因此如果我们用和音频类似的写法： fwrite(frame->data[0], 1, frame->width * frame->height,  outfile) 去写，就会有问题，因为要保证这里 width是16的整倍数//这时候就要用到 ffmpeg 的AVFrame给我们提供的 linesize[x]了，//        uint8_t *data[AV_NUM_DATA_POINTERS]：
//        指向实际的帧数据的指针数组。
//        对于视频帧，这通常是图像平面（如YUV中的Y、U、V平面）。
//        对于音频帧，这通常是音频通道的数据指针。//        int linesize[AV_NUM_DATA_POINTERS]：
//        每一行（视频）或每一个音频通道（音频）的大小。
//        对于视频，这通常是图像宽度的字节数。如果图像的宽度 除以 16 有余数，则这个值会凑成16的倍数。
//        对于音频，这通常是这个通道的字节数大小。 在交错模式下： 理论上等于   声道数 * 每个声道有多少个音频样本 * 每个样本占用多少个字节
//                            但是，测试发现，在第一个AVFrame包和最后一个 AVframe的时候，linesize[0]的值 比 声道数 * 每个声道有多少个音频样本 * 每个样本占用多少个字节 大于64.//了解了linesize[]的意义，对于一个avframe，就是包含了一帧，就是一张图片，//YUV420P的存储方式是这样的  YYYYYYYYUUVV
//        那么对于 一张 YUV420P （322 * 120）的图片来看，有多少个Y 呢？多少个U，多少个V呢？
//        Y的个数为：有 120行，一行一行的存储，每一行的实际大小为322, 但是存储322个Y后，就结束了吗？没有 ，因为有字节对齐问题，因此每次存储完322后，还要跳过14个字节，也就是实际大小为linesize[0],//我们先将Y全部存储完毕。//再存储U，U的个数是多少呢？这里要回头看一下YUV420P存储结构图，这里只是结论：宽高均是Y的一半，因此这里要注意存储U的写法//V的存储和U是一样的。// 正确写法  linesize[]代表每行的字节数量，所以每行的偏移是linesize[]，但是真正存储的值 Y 是宽度，for(int j=0; j<frame->height; j++)fwrite(frame->data[0] + j * frame->linesize[0], 1, frame->width, outfile);for(int j=0; j<frame->height/2; j++)fwrite(frame->data[1] + j * frame->linesize[1], 1, frame->width/2, outfile);for(int j=0; j<frame->height/2; j++)fwrite(frame->data[2] + j * frame->linesize[2], 1, frame->width/2, outfile);// 错误写法 用source.200kbps.766x322_10s.h264测试时可以看出该种方法是错误的//  写入y分量
//        fwrite(frame->data[0], 1, frame->width * frame->height,  outfile);//Y
//        // 写入u分量
//        fwrite(frame->data[1], 1, (frame->width) *(frame->height)/4,outfile);//U:宽高均是Y的一半
//        //  写入v分量
//        fwrite(frame->data[2], 1, (frame->width) *(frame->height)/4,outfile);//V：宽高均是Y的一半

AVCodecParser说明

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。

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)

所有的代码

/**
* @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 VIDEO_INBUF_SIZE 20480
#define VIDEO_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_video_format(const AVFrame *frame)
{printf("width: %u\n", frame->width);printf("height: %u\n", frame->height);printf("format: %u\n", frame->format);// 格式需要注意
}static void decode(AVCodecContext *dec_ctx, AVPacket *pkt, AVFrame *frame,FILE *outfile)
{int ret;/* 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);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);}static int s_print_format = 0;if(s_print_format == 0){s_print_format = 1;print_video_format(frame);}printf("video frame data = %f \n", (frame->width) * (frame->height) * 1.5);printf("frame->line[0] = %d \n",frame->linesize[0]);printf("frame->line[1] = %d \n",frame->linesize[1]);printf("frame->line[2] = %d \n",frame->linesize[2]);printf("frame->pkt_size = %d \n",frame->pkt_size);// 一般H264默认为 AV_PIX_FMT_YUV420P, 具体怎么强制转为 AV_PIX_FMT_YUV420P 在音视频合成输出的时候讲解// frame->linesize[1]  因为有字节对齐的问题。// 这里先回顾一下 音频的处理方式，在交错模式的时候，使用的 声道数*每个声道有多少个音频样本 * 每个样本占用多少个字节，这是因为音频上 没有字节对齐的问题//字节对齐问题的根本是因为 ，对于一张 322 * 356 的图片来说 ，322并不是16的整倍数，322/16 = 20......2 也就是说一行会有2个字节的剩余//那么这个剩余的2个字节，怎么办呢？会多给14个字节和剩余的2个字节 结合起来。//因此如果我们用和音频类似的写法： fwrite(frame->data[0], 1, frame->width * frame->height,  outfile) 去写，就会有问题，因为要保证这里 width是16的整倍数//这时候就要用到 ffmpeg 的AVFrame给我们提供的 linesize[x]了，//        uint8_t *data[AV_NUM_DATA_POINTERS]：
//        指向实际的帧数据的指针数组。
//        对于视频帧，这通常是图像平面（如YUV中的Y、U、V平面）。
//        对于音频帧，这通常是音频通道的数据指针。//        int linesize[AV_NUM_DATA_POINTERS]：
//        每一行（视频）或每一个音频通道（音频）的大小。
//        对于视频，这通常是图像宽度的字节数。如果图像的宽度 除以 16 有余数，则这个值会凑成16的倍数。
//        对于音频，这通常是这个通道的字节数大小。 在交错模式下： 理论上等于   声道数 * 每个声道有多少个音频样本 * 每个样本占用多少个字节
//                            但是，测试发现，在第一个AVFrame包和最后一个 AVframe的时候，linesize[0]的值 比 声道数 * 每个声道有多少个音频样本 * 每个样本占用多少个字节 大于64.//了解了linesize[]的意义，对于一个avframe，就是包含了一帧，就是一张图片，//YUV420P的存储方式是这样的  YYYYYYYYUUVV
//        那么对于 一张 YUV420P （322 * 120）的图片来看，有多少个Y 呢？多少个U，多少个V呢？
//        Y的个数为：有 120行，一行一行的存储，每一行的实际大小为322, 但是存储322个Y后，就结束了吗？没有 ，因为有字节对齐问题，因此每次存储完322后，还要跳过14个字节，也就是实际大小为linesize[0],//我们先将Y全部存储完毕。//再存储U，U的个数是多少呢？这里要回头看一下YUV420P存储结构图，这里只是结论：宽高均是Y的一半，因此这里要注意存储U的写法//V的存储和U是一样的。// 正确写法  linesize[]代表每行的字节数量，所以每行的偏移是linesize[]，但是真正存储的值 Y 是宽度，for(int j=0; j<frame->height; j++)fwrite(frame->data[0] + j * frame->linesize[0], 1, frame->width, outfile);for(int j=0; j<frame->height/2; j++)fwrite(frame->data[1] + j * frame->linesize[1], 1, frame->width/2, outfile);for(int j=0; j<frame->height/2; j++)fwrite(frame->data[2] + j * frame->linesize[2], 1, frame->width/2, outfile);// 错误写法 用source.200kbps.766x322_10s.h264测试时可以看出该种方法是错误的//  写入y分量
//        fwrite(frame->data[0], 1, frame->width * frame->height,  outfile);//Y
//        // 写入u分量
//        fwrite(frame->data[1], 1, (frame->width) *(frame->height)/4,outfile);//U:宽高均是Y的一半
//        //  写入v分量
//        fwrite(frame->data[2], 1, (frame->width) *(frame->height)/4,outfile);//V：宽高均是Y的一半}
}
// 注册测试的时候不同分辨率的问题
// 提取H264: ffmpeg -i source.200kbps.768x320_10s.flv -vcodec libx264 -an -f h264 source.200kbps.768x320_10s.h264
// 提取MPEG2: ffmpeg -i source.200kbps.768x320_10s.flv -vcodec mpeg2video -an -f mpeg2video source.200kbps.768x320_10s.mpeg2
// 播放：ffplay -pixel_format yuv420p -video_size 768x320 -framerate 25  source.200kbps.768x320_10s.yuv
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;// AV_INPUT_BUFFER_PADDING_SIZE 在输入比特流结尾的要求附加分配字节的数量上进行解码uint8_t inbuf[VIDEO_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];filename    = "D:/AllInformation/qtworkspacenew/07-06-decode_video/source.200kbps.768x320_10s.h264";outfilename = "D:/AllInformation/qtworkspacenew/07-06-decode_video/source.200kbps.768x320_10s.yuv";//我们这里 768x320_10s 是使用的 YUV420p格式，那么一张图片的大小应该为 768*320*1.5 = 368640 bit = 46080 bytes = 45 kb//我们这里计算这个，就是为了查看是否 avframe 的大小.log如下，因为768除以16是没有余数的，因此这里没有字节对齐问题，
//    video frame data = 368640.000000
//    frame->line[0] = 768
//    frame->line[1] = 384
//    frame->line[2] = 384//    filename    = "D:/AllInformation/qtworkspacenew/07-06-decode_video/source.200kbps.766x322_10s.h264";
//    outfilename = "D:/AllInformation/qtworkspacenew/07-06-decode_video/source.200kbps.766x322_10s.yuv";//我们这里 766x322_10s 是使用的 YUV420p格式，那么一张图片的大小应该为 766*322*1.5 = 369,978 bit = 46247.25 bytes 约等于 45.16 kb//我们这里计算这个，就是为了查看是否 avframe 的大小 。log如下，说明在766除以16有余数的case下，是有字节对齐的问题存在的，因此在存储这个文件的pcm时候，要注意使用到 linesize[x]//    video frame data = 369978.000000
//    frame->line[0] = 768
//    frame->line[1] = 384
//    frame->line[2] = 384printf("aaa\n");pkt = av_packet_alloc();enum AVCodecID video_codec_id = AV_CODEC_ID_H264;if(strstr(filename, "264") != NULL){video_codec_id = AV_CODEC_ID_H264;}else if(strstr(filename, "mpeg2") != NULL){video_codec_id = AV_CODEC_ID_MPEG2VIDEO;}else{printf("default codec id:%d\n", video_codec_id);}// 查找解码器codec = avcodec_find_decoder(video_codec_id);  // AV_CODEC_ID_H264if (!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, VIDEO_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 < VIDEO_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: VIDEO_INBUF_SIZE - data_sizelen = fread(data + data_size, 1, VIDEO_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;
}

播放测试：

ffplay -pixel_format yuv420p -video_size 768x320 -framerate 25 source.200kbps.768x320_10s.yuv

ffplay -pixel_format yuv420p -video_size 768x320 -framerate 25
source.200kbps.768x320_10s.yuv

分离H264或mpeg2video视频格式数据

提取H264:

ffmpeg -i source.200kbps.768x320_10s.flv -vcodec libx264 -an -f h264

source.200kbps.768x320_10s.h264

提取MPEG2:

ffmpeg -i source.200kbps.768x320_10s.flv -vcodec mpeg2video -an -f mpeg2video

source.200kbps.768x320_10s.mpeg2v

FFmpeg命令查找-f 后面的格式

⽐如我们在-f fmt打算指定格式时，怎么知道什么样的格式才是适合的format？

可以通过 ffmpeg -formats | findstr xx的⽅式去查找。

对于findstr，/i是忽略⼤⼩写

⽐如：

查找Audio的裸流解复⽤器：ffmpeg -formats | findstr /i audio

查找Video的裸流解复⽤器：ffmpeg -formats | findstr /i video