当前位置: 首页 > news >正文

Libhevc介绍

随着高清电视的普及和4K、8K超高清电视的出现,视频编解码技术也得到了广泛应用和发展。H.265/HEVC (High Efficiency Video Coding) 编解码标准作为一种新一代的视频编码技术,具有更高的压缩率和更好的画面质量,已经被成为未来视频编码的趋势和方向。libhevc 库作为一个开源的 H.265/HEVC 编解码库,提供了完整的解码功能和接口,方便用户快速地进行 H.265/HEVC 视频的解码。

H.265/HEVC 编解码标准

H.265/HEVC 是 ITU-T 和 ISO/IEC 联合制定的一种视频编解码标准,于2013年发布。相比较 H.264/AVC(Advanced Video Coding)标准,H.265/HEVC 可以在保证画面质量的前提下,减少一半以上的比特率,从而实现更高的压缩效率。H.265/HEVC 的编码中采用了一些新的技术和算法,如分块预测、运动矢量扩展、变形并行处理等,用于提高视频的压缩率和画面质量。同时,H.265/HEVC 标准还支持超高清分辨率视频(比如 4K 和 8K),并在网络传输和存储方面也有更好的表现。

libhevc 库的结构

libhevc 库是一个开源的 H.265/HEVC 编解码库,它实现了完整的解码功能,并且提供了一系列常用接口和工具,方便用户使用。

libhevc 库的核心功能包括三部分:Parser、Decoder 和 Filter。其中,

  • Parser:负责将 H.265/HEVC 数据流解析成语法单元,并保存到不同层次的结构体中;
  • Decoder:依据解析结果,进行解码处理,最终生成 YUV 视频数据;
  • Filter:提供各种滤镜、特效等功能,可以用于后期处理或者预处理。

在上述三个部分的基础上,libhevc 还提供了一些工具和接口,如命令行工具 hevcdec、API 接口等,方便用户调用和使用。

libhevc 库的编译与安装

libhevc 库是一个开源的 C 语言库,可以在 Linux、Windows 等操作系统平台上编译和运行。下面我们以 Linux 系统为例,介绍 libhevc 库的编译和安装步骤:

前置依赖库

在编译 libhevc 库之前,需要先安装以下依赖库:

  • yasm:a portable and lightweight assembler;
  • nasm:a free BSD licensed assembler;
  • cmake:cross-platform build system;
  • gcc:GNU Compiler Collection;
  • g++:GNU C++ Compiler。

在 Ubuntu 下可以使用如下命令进行安装: 

sudo apt-get install yasm nasm cmake build-essential

下载源码

libhevc 库的源码可以从 GitHub 上克隆或者下载。下面我们以克隆源码为例,假设要将源码克隆到 /usr/local/src 目录下:

git clone https://github.com/strukturag/libhevc.git /usr/local/src/libhevc

编译和安装

进入源码目录,使用 cmake 进行编译和安装,假设要将库安装到 /usr/local/lib 和 /usr/local/include 目录下:

cd /usr/local/src/libhevc
mkdir build && cd build
cmake -DCMAKE_INSTALL_PREFIX=/usr/local ..
make -j4
sudo make install

编译和安装完成后,编译生成的库文件和头文件都会被拷贝到 /usr/local/lib 和 /usr/local/include 目录下。

libhevc 库的使用

libhevc 库提供了一系列的 API 接口,可以用于 H.265/HEVC 视频的解码处理。下面我们以 C/C++ 语言为例,介绍如何使用 libhevc 库进行 H.265/HEVC 视频的解码:

导入头文件

在使用 libhevc 库之前,需要先导入相关头文件。libhevc 库的头文件一般都在 /usr/local/include/hevc 目录下,其中包含了所有的函数声明和结构体定义。以下是常用头文件列表:

#include <hevc/hevc.h>
#include <hevc/hevcdec.h>
#include <hevc/hevcps.h>
#include <hevc/hevcpred.h>

打开解码器

在使用 libhevc 库时,需要先打开解码器,并指定解码器的参数和输入数据格式。通常情况下,可以使用 hevc_parser_open() 和 hevc_decoder_open() 函数来打开解析器和解码器。

// 打开解析器
HevcParser *parser = hevc_parser_open();// 打开解码器
HevcDecoder *decoder = hevc_decoder_open();
decoder->set_option(decoder, "threads", "4"); // 设置解码线程数
decoder->set_option(decoder, "output-flags", "0"); // 设置输出标志
decoder->set_option(decoder, "verbose", "1"); // 设置输出详细信息

解码视频数据

在打开解码器之后,就可以读入 H.265/HEVC 视频数据并进行解码操作。通常情况下,我们可以使用 fread() 函数从文件中读取数据,然后调用 hevc_parser_decode() 和 hevc_decoder_decode() 函数进行语法单元解析和解码操作。

// 打开输入文件
FILE *infile = fopen("test.hevc", "rb");// 逐帧读取数据进行解码
while (fread(buffer, 1, size, infile) == size) {int data_len = size;// 解析语法单元HevcNalu nalu;while ((data_len = hevc_parser_decode(parser, buffer, data_len, &nalu)) > 0) {if (nalu.type == HEVC_NAL_UNIT_CODED_SLICE_IDR || nalu.type == HEVC_NAL_UNIT_CODED_SLICE) {// 解码视频数据HevcPicture *picture = NULL;hevc_decoder_decode(decoder, &nalu, &picture);// 处理解码结果if (picture != NULL) {printf("decoded frame size: %d x %d\n", picture->width, picture->height);hevc_picture_free(picture);}}}
}// 关闭输入文件
fclose(infile);

关闭解码器

结束解码操作后,需要释放相关资源并关闭解码器。通常情况下,可以使用 hevc_parser_close() 和 hevc_decoder_close() 函数来关闭解析器和解码器。

// 关闭解析器
hevc_parser_close(parser);// 关闭解码器
hevc_decoder_close(decoder);

总结

libhevc 库作为一个开源的 H.265/HEVC 编解码库,提供了完整的解码功能和接口,方便用户快速地进行 H.265/HEVC 视频的解码。libhevc 库具有良好的可移植性和扩展性,可以在多个平台上编译和运行。同时,libhevc 库的源码也由于其简单易懂的结构和清晰的编程风格,可以作为学习 H.265/HEVC 编解码技术的参考和示范。

相关文章:

Libhevc介绍

随着高清电视的普及和4K、8K超高清电视的出现&#xff0c;视频编解码技术也得到了广泛应用和发展。H.265/HEVC (High Efficiency Video Coding) 编解码标准作为一种新一代的视频编码技术&#xff0c;具有更高的压缩率和更好的画面质量&#xff0c;已经被成为未来视频编码的趋势…...

基于Tensorflow的最基本GAN网络模型

import tensorflow as tf from tensorflow import keras from tensorflow.keras import layers import matplotlib.pyplot as plt %matplotlib inline import numpy as np import glob import os #&#xff08;1&#xff09;创建输入管道 # 导入原始数据 (train_images, train…...

数据质量管理概述

1、数据质量的概念 指的是在组织业务&#xff0c;管理要求下&#xff0c;符合数据使用者满足业务&#xff0c;管理需求的评价方式 2、数据质量管理的概念 3、4种常见低质量数据情况 1&#xff09;重要数据缺失 有些信息暂时无法获取或者获取代价太大信息在采集输入中遗漏属…...

C++ const、volatile和mutable关键字详解

对于cv&#xff08;const 与 volatile&#xff09;类型限定符和关键字mutable在《cppreference》中的定义为&#xff1a; cv可出现于任何类型说明符中&#xff0c;以指定被声明对象或被命名类型的常量性&#xff08;constness&#xff09;或易变性&#xff08;volatility&#…...

MySQL实验四:数据更新

MySQL实验四&#xff1a;数据更新 目录MySQL实验四&#xff1a;数据更新导读表结构sql建表语句模型图1、 SQL更新&#xff1a;将所有学生的年龄增加1岁代码2、SQL更新&#xff1a;修改“高等数学”课程倒数三名成绩&#xff0c;在原来分数上减5分代码解析3、SQl更新&#xff1a…...

商汤科技推出“日日新SenseNova”,大模型体系赋能人工智能新未来

2023年4月10日&#xff0c;商汤科技SenseTime技术交流日活动在上海举行&#xff0c;分享了以“大模型大算力”推进AGI&#xff08;通用人工智能&#xff09;发展的战略布局&#xff0c;并公布了商汤在该战略下的“日日新SenseNova”大模型体系。 公开信息显示&#xff0c;商汤科…...

【中创AI】斯坦福人工智能年度报告:AI论文发表量中国世界第一!

斯坦福以人为本人工智能研究所 (HAI) 发布了最新一期的 2023 AI 指数 (2023 AI Index) 报告&#xff0c;探讨了过去一年机器学习的发展。 &#xff08;斯坦福HAI于2019年初成立&#xff0c;致力于研究新的AI方法&#xff0c;并研究该技术对社会的影响。其每年发布一份AI指数报…...

Java基础(五)面向对象编程(基础)

学习面向对象内容的三条主线 Java类及类的成员&#xff1a;&#xff08;重点&#xff09;属性、方法、构造器&#xff1b;&#xff08;熟悉&#xff09;代码块、内部类面向对象的特征&#xff1a;封装、继承、多态、&#xff08;抽象&#xff09;其他关键字的使用&#xff1a;…...

寻找CSDN平行世界的另一个你

本文由 大侠(AhcaoZhu)原创&#xff0c;转载请声明。 链接: https://blog.csdn.net/Ahcao2008 寻找CSDN平行世界的另一个你摘要前言列表测试目的摘要 本文作了一个测试&#xff0c;看看在 CSDN 的博文中&#xff0c;艾特&#xff08;&#xff09;某个好友&#xff0c;TA是否能够…...

ChatGPT的发展对客户支持能提供什么帮助?

多数组织认为客户服务是一种开销&#xff0c;实际上还可以将客户服务看成是一种机会。它可以让你在销售后继续推动客户的价值。成功的企业深知&#xff0c;客户服务不仅可以留住客户&#xff0c;还可以增加企业收入。客户服务是被低估的手段&#xff0c;它可以通过推荐、见证和…...

数据安全评估体系建设

数据安全评估是指对重要数据、个人信息等数据资产的价值与权益、合规性、威胁、脆弱性、防护等进行分析和判断&#xff0c;以评估数据安全事件发生的概率和可能造成的损失&#xff0c;并采取相应的措施和建议。 数据安全评估的重要性和背景 1.国家法律法规下的合规需要 目前数…...

论文阅读 - ANEMONE: Graph Anomaly Detection with Multi-Scale Contrastive Learning

目录 摘要 1 简介 2 问题陈述 3 PROPOSED ANEMONE FRAMEWORK 3.1 多尺度对比学习模型 3.1.1 增强的自我网络生成 3.1.2 补丁级对比网络 3.1.3 上下文级对比网络 3.1.4 联合训练 3.2 统计异常估计器 4 EXPERIMENTS 4.1 Experimental Setup 4.1.1 Datasets 4.1.2 …...

数据密集型应用存储与检索设计

本文内容翻译自《数据密集型应用系统设计》&#xff0c;豆瓣评分高达 9.7 分。 什么是「数据密集型应用系统」&#xff1f; 当数据&#xff08;数据量、数据复杂度、数据变化速度&#xff09;是一个应用的主要挑战&#xff0c;那么可以把这个应用称为数据密集型的。与之相对的是…...

Spring Boot集成Redis实现keyspace监听 | Spring Cloud 34

一、前言 在前面我们通过以下章节对Redis的keyevent&#xff08;键事件通知&#xff09;使用有了基础的了解&#xff1a; Spring Boot集成Redis实现keyevent监听 | Spring Cloud 33 现在开始我们正式学习Redis的keyspace&#xff08;键空间通知&#xff09;&#xff0c;在本…...

如何搭建chatGPT4.0模型-国内如何用chatGPT4.0

国内如何用chatGPT4.0 在国内&#xff0c;目前可以通过以下途径使用 OpenAI 的 ChatGPT 4.0&#xff1a; 自己搭建模型&#xff1a;如果您具备一定的技术能力&#xff0c;可以通过下载预训练模型和相关的开发工具包&#xff0c;自行搭建 ChatGPT 4.0 模型。OpenAI提供了相关的…...

【故障定位】基于多元宇宙算法的主动配电网故障定位方法研究(Matlab代码实现)

&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;欢迎来到本博客❤️❤️&#x1f4a5;&#x1f4a5; &#x1f3c6;博主优势&#xff1a;&#x1f31e;&#x1f31e;&#x1f31e;博客内容尽量做到思维缜密&#xff0c;逻辑清晰&#xff0c;为了方便读者。 ⛳️座右铭&a…...

基于html+css的自适应展示1

准备项目 项目开发工具 Visual Studio Code 1.44.2 版本: 1.44.2 提交: ff915844119ce9485abfe8aa9076ec76b5300ddd 日期: 2020-04-16T16:36:23.138Z Electron: 7.1.11 Chrome: 78.0.3904.130 Node.js: 12.8.1 V8: 7.8.279.23-electron.0 OS: Windows_NT x64 10.0.19044 项目…...

DolphinDB +Python Airflow 高效实现数据清洗

DolphinDB 作为一款高性能时序数据库&#xff0c;其在实际生产环境中常有数据的清洗、装换以及加载等需求&#xff0c;而对于该如何结构化管理好 ETL 作业&#xff0c;Airflow 提供了一种很好的思路。本篇教程为生产环境中 ETL 实践需求提供了一个解决方案&#xff0c;将 Pytho…...

pip3 升级软件包时遇到超时错误解决方法

如果你在使用 pip3 升级软件包时遇到超时错误&#xff0c;可能是因为下载速度缓慢或网络不稳定。以下是解决方法&#xff1a; 更改 pip3 源&#xff1a;你可以切换到其他 pip3 源&#xff0c;例如清华、阿里等等&#xff0c;以提高下载速度。 pip3 install -i https://pypi.tun…...

Linux环境开机自启动

1.制作服务 在/etc/systemd/system/路径下创建kkFile.service文件 cd /etc/systemd/system/ vim kkFile.service2.写入如下内容 [Unit] DescriptionkkFile service [Service] Typeforking ExecStart/sinosoft/yjya/kkFileView-4.0.0/bin/startup.sh [Install] WantedBymulti…...

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站&#xff0c;会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后&#xff0c;网站没有变化的情况。 不熟悉siteground主机的新手&#xff0c;遇到这个问题&#xff0c;就很抓狂&#xff0c;明明是哪都没操作错误&#x…...

Prompt Tuning、P-Tuning、Prefix Tuning的区别

一、Prompt Tuning、P-Tuning、Prefix Tuning的区别 1. Prompt Tuning(提示调优) 核心思想:固定预训练模型参数,仅学习额外的连续提示向量(通常是嵌入层的一部分)。实现方式:在输入文本前添加可训练的连续向量(软提示),模型只更新这些提示参数。优势:参数量少(仅提…...

Java 8 Stream API 入门到实践详解

一、告别 for 循环&#xff01; 传统痛点&#xff1a; Java 8 之前&#xff0c;集合操作离不开冗长的 for 循环和匿名类。例如&#xff0c;过滤列表中的偶数&#xff1a; List<Integer> list Arrays.asList(1, 2, 3, 4, 5); List<Integer> evens new ArrayList…...

Admin.Net中的消息通信SignalR解释

定义集线器接口 IOnlineUserHub public interface IOnlineUserHub {/// 在线用户列表Task OnlineUserList(OnlineUserList context);/// 强制下线Task ForceOffline(object context);/// 发布站内消息Task PublicNotice(SysNotice context);/// 接收消息Task ReceiveMessage(…...

智慧工地云平台源码,基于微服务架构+Java+Spring Cloud +UniApp +MySql

智慧工地管理云平台系统&#xff0c;智慧工地全套源码&#xff0c;java版智慧工地源码&#xff0c;支持PC端、大屏端、移动端。 智慧工地聚焦建筑行业的市场需求&#xff0c;提供“平台网络终端”的整体解决方案&#xff0c;提供劳务管理、视频管理、智能监测、绿色施工、安全管…...

UE5 学习系列(三)创建和移动物体

这篇博客是该系列的第三篇&#xff0c;是在之前两篇博客的基础上展开&#xff0c;主要介绍如何在操作界面中创建和拖动物体&#xff0c;这篇博客跟随的视频链接如下&#xff1a; B 站视频&#xff1a;s03-创建和移动物体 如果你不打算开之前的博客并且对UE5 比较熟的话按照以…...

基于当前项目通过npm包形式暴露公共组件

1.package.sjon文件配置 其中xh-flowable就是暴露出去的npm包名 2.创建tpyes文件夹&#xff0c;并新增内容 3.创建package文件夹...

【ROS】Nav2源码之nav2_behavior_tree-行为树节点列表

1、行为树节点分类 在 Nav2(Navigation2)的行为树框架中,行为树节点插件按照功能分为 Action(动作节点)、Condition(条件节点)、Control(控制节点) 和 Decorator(装饰节点) 四类。 1.1 动作节点 Action 执行具体的机器人操作或任务,直接与硬件、传感器或外部系统…...

【配置 YOLOX 用于按目录分类的图片数据集】

现在的图标点选越来越多&#xff0c;如何一步解决&#xff0c;采用 YOLOX 目标检测模式则可以轻松解决 要在 YOLOX 中使用按目录分类的图片数据集&#xff08;每个目录代表一个类别&#xff0c;目录下是该类别的所有图片&#xff09;&#xff0c;你需要进行以下配置步骤&#x…...

【RockeMQ】第2节|RocketMQ快速实战以及核⼼概念详解(二)

升级Dledger高可用集群 一、主从架构的不足与Dledger的定位 主从架构缺陷 数据备份依赖Slave节点&#xff0c;但无自动故障转移能力&#xff0c;Master宕机后需人工切换&#xff0c;期间消息可能无法读取。Slave仅存储数据&#xff0c;无法主动升级为Master响应请求&#xff…...