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…...

MySQL 隔离级别:脏读、幻读及不可重复读的原理与示例

一、MySQL 隔离级别 MySQL 提供了四种隔离级别,用于控制事务之间的并发访问以及数据的可见性,不同隔离级别对脏读、幻读、不可重复读这几种并发数据问题有着不同的处理方式,具体如下: 隔离级别脏读不可重复读幻读性能特点及锁机制读未提交(READ UNCOMMITTED)允许出现允许…...

2024年赣州旅游投资集团社会招聘笔试真

2024年赣州旅游投资集团社会招聘笔试真 题 ( 满 分 1 0 0 分 时 间 1 2 0 分 钟 ) 一、单选题(每题只有一个正确答案,答错、不答或多答均不得分) 1.纪要的特点不包括()。 A.概括重点 B.指导传达 C. 客观纪实 D.有言必录 【答案】: D 2.1864年,()预言了电磁波的存在,并指出…...

《用户共鸣指数(E)驱动品牌大模型种草:如何抢占大模型搜索结果情感高地》

在注意力分散、内容高度同质化的时代&#xff0c;情感连接已成为品牌破圈的关键通道。我们在服务大量品牌客户的过程中发现&#xff0c;消费者对内容的“有感”程度&#xff0c;正日益成为影响品牌传播效率与转化率的核心变量。在生成式AI驱动的内容生成与推荐环境中&#xff0…...

基础测试工具使用经验

背景 vtune&#xff0c;perf, nsight system等基础测试工具&#xff0c;都是用过的&#xff0c;但是没有记录&#xff0c;都逐渐忘了。所以写这篇博客总结记录一下&#xff0c;只要以后发现新的用法&#xff0c;就记得来编辑补充一下 perf 比较基础的用法&#xff1a; 先改这…...

第7篇:中间件全链路监控与 SQL 性能分析实践

7.1 章节导读 在构建数据库中间件的过程中&#xff0c;可观测性 和 性能分析 是保障系统稳定性与可维护性的核心能力。 特别是在复杂分布式场景中&#xff0c;必须做到&#xff1a; &#x1f50d; 追踪每一条 SQL 的生命周期&#xff08;从入口到数据库执行&#xff09;&#…...

毫米波雷达基础理论(3D+4D)

3D、4D毫米波雷达基础知识及厂商选型 PreView : https://mp.weixin.qq.com/s/bQkju4r6med7I3TBGJI_bQ 1. FMCW毫米波雷达基础知识 主要参考博文&#xff1a; 一文入门汽车毫米波雷达基本原理 &#xff1a;https://mp.weixin.qq.com/s/_EN7A5lKcz2Eh8dLnjE19w 毫米波雷达基础…...

通过MicroSip配置自己的freeswitch服务器进行调试记录

之前用docker安装的freeswitch的&#xff0c;启动是正常的&#xff0c; 但用下面的Microsip连接不上 主要原因有可能一下几个 1、通过下面命令可以看 [rootlocalhost default]# docker exec -it freeswitch fs_cli -x "sofia status profile internal"Name …...

医疗AI模型可解释性编程研究:基于SHAP、LIME与Anchor

1 医疗树模型与可解释人工智能基础 医疗领域的人工智能应用正迅速从理论研究转向临床实践,在这一过程中,模型可解释性已成为确保AI系统被医疗专业人员接受和信任的关键因素。基于树模型的集成算法(如RandomForest、XGBoost、LightGBM)因其卓越的预测性能和相对良好的解释性…...

shell脚本质数判断

shell脚本质数判断 shell输入一个正整数,判断是否为质数(素数&#xff09;shell求1-100内的质数shell求给定数组输出其中的质数 shell输入一个正整数,判断是否为质数(素数&#xff09; 思路&#xff1a; 1:1 2:1 2 3:1 2 3 4:1 2 3 4 5:1 2 3 4 5-------> 3:2 4:2 3 5:2 3…...

算法250609 高精度

加法 #include<stdio.h> #include<iostream> #include<string.h> #include<math.h> #include<algorithm> using namespace std; char input1[205]; char input2[205]; int main(){while(scanf("%s%s",input1,input2)!EOF){int a[205]…...