ffmpeg 分析一个视频的基本结构组成_流_包_帧

分析视频流

stream[0]

• duration = 2019840 // 视频的时长时间戳，计算秒 2019840/12800
• index = 0 // 流索引，这是一个视频流
• nb_frames // 视频的总帧数
• avg_frame_rate // 视频的帧数， num/den就是帧数
• timebase = {1, 12800} // 视频流的时间基
• first_dts = -1024 // 第一帧的dts
• cur_dts = 当前帧的dts
• codecpar
  • codec_type = AVMEDIA_TYPE_VIDEO // 编码器的类型
  • codec_id = AV_CODEC_ID_H264 // 编码格式
  • bit_rate = 252212 // 比特率
  • width = 1920 // 宽
  • height = 1080 // 高
  • format = 0 // 颜色格式，0是yuv420p
  • profile = 77
  • level = 40

stream[0]的Packet(包数据)

• pts = 这一个packet的pts，也就是当前的时间戳
• dts = 值一个packet的dts，这是解码时间戳
• duration = 1024 # 这一个包所占用的时间戳
• data = 这一个包的数据
• flags = 1 // 表示域，flags=1的话就是关键帧的意思
• stream_index = 1 # 代表这个包属于音频还是视频的index
• pos = 129410 # 代表示流媒体的偏移量
• size = 1024 # 代表数据的大小

stream[0]的Stream(解码后帧的数据)

• data = 解码后的流数据

  • 对于packed格式的数据（例如RGB24），会存到data[0]里面。
  • 对于planar格式的数据（例如YUV420P），则会分开成data[0]，data[1]，data[2]...（YUV420P中data[0]存Y，data[1]存U，data[2]存V）

• linsize = 每一行的数据大小

• key_frames = 1 // 是否是关键帧 ， 如果是音频一定是关键帧

• pts = 0 // 时间戳，解码之后的，编码之前需要自己进行定义

• width = 1920 // 图像的宽度

• height = 1080 // 图像的高度

• format = 0 // 图像的格式 yuv420p

• pict_type = AV_PICTURE_I // 图像的帧类型,这个是I帧的意思

  • AV_PICTURE_TYPE_I I帧
  • AV_PICTURE_TYPE_B B帧
  • AV_PICTURE_TYPE_P P帧
  • ...

• pkt_size = 78000 // 包的大小

分析音频流数据

stream[1]

• index =1 // 流索引，这是一个音频流
• duration = 7576560 // 音频的总时间戳
• time_base = {1, 48000} // 音频流的时间基
• nb_frames = 7400 // 音频一共7400帧, 一秒 47帧左右, 一秒采样48000次，那么每一帧采样的大小决定了音频的实际帧数
• first_dts = -1024 // 第一帧的dts
• cur_dts = 当前帧的dts
• codecpar
  • codec_type = AVMEDIA_TYPE_AUDIO // 音频类型
  • codec_id = AV_CODEC_ID_AAC // 编码格式：AAC
  • format = 8 // 音频的采样格式AV_SAMPLE_FMT_FLTP
  • bit_rate = 126772 // 比特率 126772
  • channel_layout = 3 // 音频的通道的存储顺序
  • channels = 2 // 音频的通道数
  • sample_rate = 48000 // 音频的采样率
  • frame_size = 1024 // 每一帧的PTS量

stream[1]的Packet(包数据)

• pts = 这一个packet的pts，也就是当前的时间戳
• dts = 值一个packet的dts，这是解码时间戳
• duration = 1024 # 这一个包所占用的时间
• data = 这一个包的数据
• flags = 1 // 表示域，flags=1的话就是关键帧的意思
• stream_index = 1 # 代表这个包属于音频还是视频的index
• pos = 129410 # 代表示流媒体的偏移量
• size = 1024 # 代表数据的大小

stream[1]的Stream(解码后帧的数据)

• data = 解码后的流数据,视频是yuv,rgb,音频是PCM数据

• linesize = data中一行数据的大小

• nb_samples = 音频中一个AVFrame这里标记包含了多少个采样数值

• format = 8 //解码后的原始数值

• key_frame = 1 // 是否是关键帧，音频都是1

• pts = 显示时间戳

• sample_rate = 48000 // 采样率

• channel_layout = 3 //

• data = 解码后的流数据

  • 对于packed格式的数据（例如RGB24），会存到data[0]里面。
  • 对于planar格式的数据（例如YUV420P），则会分开成data[0]，data[1]，data[2]...（YUV420P中data[0]存Y，data[1]存U，data[2]存V）

• linsize = 每一行的数据大小

• nb_samples = 1024 // 音频数据一帧使用1024个采样率

• format = 8 // AV_SAMPLE_FMT_FLTP

• key_frames = 1 // 是否是关键帧 ， 如果是音频一定是关键帧

• pts = 0 // 时间戳，解码之后的，编码之前需要自己进行定义i

• pkt_size = 78698 // 数据的大小