[ffmpeg] 抽取音视频数据

参考自：

[FFmpeg抽取视频h264数据]  https://www.jianshu.com/p/11cdf48ec248 

[FFmpeg抽取音频数据​]  https://www.jianshu.com/p/5337260efd97 

[ADTS详解]  https://www.jianshu.com/p/af0165f923e9 

音频流

代码实现：

#include "stdafx.h"
​
#define DDug av_log(NULL, AV_LOG_WARNING, "in loop!
");
​
void cal_adts_header(uint8_t *header, int dataLen) {
    // aac级别，0: AAC Main 1:AAC LC (Low Complexity) 2:AAC SSR (Scalable Sample Rate) 3:AAC LTP (Long Term Prediction)
    int aac_type = 1;
    // 采样率下标，下标7表示采样率为22050  
    int sampling_frequency_index = 4;
    // 声道数
    int channel_config = 2;
​
    // ADTS帧长度,包括ADTS长度和AAC声音数据长度的和。
    int adtsLen = dataLen + 7;
​
    // syncword,标识一个帧的开始，固定为0xFFF,占12bit(byte0占8位,byte1占前4位)
    header[0] = 0xff;
    header[1] = 0xf0;
​
    // ID,MPEG 标示符。0表示MPEG-4，1表示MPEG-2。占1bit(byte1第5位)
    header[1] |= (0 << 3);
​
    // layer,固定为0，占2bit(byte1第6、7位)
    header[1] |= (0 << 1);
​
    // protection_absent，标识是否进行误码校验。0表示有CRC校验，1表示没有CRC校验。占1bit(byte1第8位)
    header[1] |= 1;
​
    // profile,标识使用哪个级别的AAC。1: AAC Main 2:AAC LC 3:AAC SSR 4:AAC LTP。占2bit(byte2第1、2位)
    header[2] = aac_type << 6;
​
    // sampling_frequency_index,采样率的下标。占4bit(byte2第3、4、5、6位)
    header[2] |= (sampling_frequency_index & 0x0f) << 2;
​
    // private_bit,私有位，编码时设置为0，解码时忽略。占1bit(byte2第7位)
    header[2] |= (0 << 1);
​
    // channel_configuration,声道数。占3bit(byte2第8位和byte3第1、2位)
    header[2] |= (channel_config & 0x04) >> 2;
    header[3] = (channel_config & 0x03) << 6;
​
    // original_copy,编码时设置为0，解码时忽略。占1bit(byte3第3位)
    header[3] |= (0 << 5);
​
    // home,编码时设置为0，解码时忽略。占1bit(byte3第4位)
    header[3] |= (0 << 4);
​
    // copyrighted_id_bit,编码时设置为0，解码时忽略。占1bit(byte3第5位)
    header[3] |= (0 << 3);
​
    // copyrighted_id_start,编码时设置为0，解码时忽略。占1bit(byte3第6位)
    header[3] |= (0 << 2);
​
    // aac_frame_length,ADTS帧长度,包括ADTS长度和AAC声音数据长度的和。占13bit(byte3第7、8位，byte4全部，byte5第1-3位)
    header[3] |= ((adtsLen & 0x1800) >> 11);
    header[4] = (uint8_t)((adtsLen & 0x7f8) >> 3);
    header[5] = (uint8_t)((adtsLen & 0x7) << 5);
​
    // adts_buffer_fullness，固定为0x7FF。表示是码率可变的码流 。占11bit(byte5后5位，byte6前6位)      
    header[5] |= 0x1f;
    header[6] = 0xfc;
​
    // number_of_raw_data_blocks_in_frame,值为a的话表示ADST帧中有a+1个原始帧，(一个AAC原始帧包含一段时间内1024个采样及相关数据)。占2bit（byte6第7、8位）。
    header[6] |= 0;
​
}
​
char *src = "../mp4/csgo.mp4";
char *dst = "../mp4/csgo.aac";
​
int main()
{
    int bst_idx = 0;
​
    av_register_all();
    av_log_set_level(AV_LOG_INFO);
​
    AVFormatContext *fmt_ctx = NULL;
    AVPacket pkt;
​
    int ret;
​
    //1.创建输入格式上下文
    if ((ret = avformat_open_input(&fmt_ctx, src, NULL, NULL)) < 0)
    {
        av_log(NULL, AV_LOG_ERROR, "Can`t open file/n");
        return -1;
    }
​
    //输出信息
    av_dump_format(fmt_ctx, 0, src, 0);
​
    //2.用系统库（非ffmpeg）建立二进制输出文件
    FILE* dst_fs = fopen(dst, "wb");
​
    if (!dst_fs)
    {
        av_log(NULL, AV_LOG_ERROR, "Can`t open out file!
");
        avformat_close_input(&fmt_ctx);
        return -1;
    }
​
    //3.获取音频流
​
    //找到一路最佳流并设置下标 音频type
​
    if ((ret = av_find_best_stream(fmt_ctx, AVMEDIA_TYPE_AUDIO, -1, -1, NULL, 0)) < 0)
    {
        av_log(NULL, AV_LOG_ERROR, "Can`t find best stream!
");
        avformat_close_input(&fmt_ctx);
        fclose(dst_fs);
        return -1;
    }
​
    bst_idx = 1;
​
    std::cout << bst_idx << '
';
​
    av_init_packet(&pkt);
​
    //遍历格式上下文中的frame
    while (av_read_frame(fmt_ctx, &pkt) >= 0)
    {
        //3.如果找到则向输出文件写入二进制字节流
        //std::cout << pkt.stream_index << '
';
if (pkt.stream_index == bst_idx)
    {
//std::cout << "done!" << '
';
uint8_t adts_header_buf[7] = { 0 };
cal_adts_header(adts_header_buf, pkt.size);
fwrite(adts_header_buf, 1, 7, dst_fs);
fwrite(pkt.data, 1, pkt.size, dst_fs);
/*if (len != pkt.size)
{
av_log(NULL, AV_LOG_WARNING, "Waning, length of date not equal size of pkt
");
}*/
    }
//对于每次使用后的pkt需要释放，防止内存泄露
av_packet_unref(&pkt);
    }
​
//关闭输入流
avformat_close_input(&fmt_ctx);
​
if (dst_fs)
    {
fclose(dst_fs);
    }
​
DDug;
​
return 0;
}

ADTS头分析

ADTS头包含了AAC文件的采样率、通道数、帧数据长度等信息。ADTS头分为固定头信息和可变头信息两个部分，固定头信息在每个帧中的是一样的，可变头信息在各个帧中并不是固定值。ADTS头一般是7个字节((28+28)/ 8)长度，如果需要对数据进行CRC校验，则会有2个Byte的校验码，所以ADTS头的实际长度是7个字节或9个字节。

固定头信息:adts_fixed_header()

ADTS头的固定头信息在每个帧中都是一样的。

adts_fixed_header

• syncword：帧同步标识一个帧的开始，固定为0xFFF

• ID：MPEG 标示符。0表示MPEG-4，1表示MPEG-2

• layer：固定为'00'

• protection_absent：标识是否进行误码校验。0表示有CRC校验，1表示没有CRC校验

• profile：标识使用哪个级别的AAC。1: AAC Main 2:AAC LC (Low Complexity) 3:AAC SSR (Scalable Sample Rate) 4:AAC LTP (Long Term Prediction)

• sampling_frequency_index：标识使用的采样率的下标

• private_bit：私有位，编码时设置为0，解码时忽略

• channel_configuration：标识声道数

• original_copy：编码时设置为0，解码时忽略

• home：编码时设置为0，解码时忽略

 

sampling_frequency_index

 

channel_configuration

可变头信息:adts_variable_header()

adts_variable_header.png

• copyrighted_id_bit：编码时设置为0，解码时忽略

• copyrighted_id_start：编码时设置为0，解码时忽略

• aac_frame_length：ADTS帧长度包括ADTS长度和AAC声音数据长度的和。即 aac_frame_length = (protection_absent == 0 ? 9 : 7) + audio_data_length

• adts_buffer_fullness：固定为0x7FF。表示是码率可变的码流

• number_of_raw_data_blocks_in_frame：表示当前帧有number_of_raw_data_blocks_in_frame + 1 个原始帧(一个AAC原始帧包含一段时间内1024个采样及相关数据)。

视频

从mp4文件中抽取h264数据步骤如下： 1.打开mp4文件并创建一个空文件用于存储H264数据 2.提取一路视频流资源 3.循环读取流中所有的包(AVPacket),为每个包添加特征码和sps/pps等数据(只有关键帧前面要添加sps/pps数据，其他的只需要添加特征码)，都处理完后将数据写入文件保存。

ffmpeg读取mp4中的h264数据，pps及sps并不能从packet中获得，而是保存在AVCodecContext的extradata数据域中，如下所示是一个mp4文件的extradata的前面一部分数据：

01 64 00 16 ff e1 00 18 67 64 00 16 ac d9 80 98 2f a1 00 00 
03 00 01 00 00 03 00 2c 0f 16 2d 9a 01 00 06 68 e9 79 4b 22 
c0 fd f8 f8 00 01 64 00 16 ff e1 00 18 67 64 00 16 ac d9 80 
98 2f a1 00 00 03 00 01 00 00 03 00 2c 0f 16 2d 9a 01 00 06 
68 e9 79 4b 22 c0 fd f8 f8 00 01 64 00 16 ff e1 00 18 67 64 
00 16 ac d9 80 98 2f a1 00 00 03 00 01 00 00 03 00 2c 0f 16 
2d 9a 01

前面4个字节跳过，第5个字节ff的后2位用于指示表示编码数据长度所需字节数。第6个字节e1后5位(结果是1)是表示接下来的sps或pps的个数为1。 第7、8两个字节00 18表示接下来的sps或pps数据的长度，结果是接下来sps或pps长度是24个字节。 第9个字节是67表示这个是sps数据，也就是说从67到9a这24个字节是sps数据。因为sps只有一个，所以接下来是pps数据。 紧接着的那个字节01表示pps的个数是1个，然后紧接着的2个字节00 06表示pps数据长度是6，接下来的字节是68,表明这确实是pps数据，包括68在内的6个字节是pps的内容。 提取到的每个sps/pps数据在写入h264文件时都要在其前面加上4个字节的特征码(0x00000001)。

 

sps和pps都有的情况

 只有pps的情况

 

sps、pps、关键帧、非关键帧写入h264文件的顺序

代码：

​

#include "stdafx.h"
​
char errinfo[1024] = { 0 };
​
#define DDug av_log(NULL, AV_LOG_WARNING, "Debug Now!
");
​
char *src = "../mp4/csgo.mp4";
char *dst = "../mp4/video_stream.mp4";
​
/*
在帧前面添加特征码(一般SPS/PPS的帧的特征码用4字节表示，为0X00000001，其他的帧特征码用3个字节表示，为0X000001。也有都用4字节表示的，我们这里采用前面的方式)
out是要输出的AVPaket
sps_pps是SPS和PPS数据的指针，对于非关键帧就传NULL
sps_pps_size是SPS/PPS数据的大小，对于非关键帧传0
in是指向当前要处理的帧的头信息的指针
in_size是当前要处理的帧大小(nal_size)
*/
​
static int alloc_and_copy(AVPacket *out, const uint8_t *sps_pps, uint32_t sps_pps_size, const uint8_t *in, uint32_t in_size)
{
    uint32_t offset = out->size; // 偏移量，就是out已有数据的大小，后面再写入数据就要从偏移量处开始操作
                                 // 特征码的大小，SPS/PPS占4字节，其余占3字节
    uint8_t nal_header_size = sps_pps == NULL ? 3 : 4;
    int err;
​
    // 每次处理前都要对out进行扩容，扩容的大小就是此次要写入的内容的大小，也就是特征码大小加上sps/pps大小加上加上本帧数据大小
    if ((err = av_grow_packet(out, sps_pps_size + in_size + nal_header_size)) < 0)
        return err;
​
    // 1.如果有sps_pps则先将sps_pps拷贝进out（memcpy()函数用于内存拷贝，第一个参数为拷贝要存储的地方，第二个参数是要拷贝的内容，第三个参数是拷贝内容的大小）
    if (sps_pps)
    {
        memcpy(out->data + offset, sps_pps, sps_pps_size);
    }
​
    // 2.再设置特征码（sps/pps特征码4位0x00000001，其他的特征码3位0x000001）
    for (int i = 0; i < nal_header_size; i++)
    {
        (out->data + offset + sps_pps_size)[i] = i == nal_header_size - 1 ? 1 : 0;
    }
​
    // 3.最后再拷贝NALU数据(当前处理的帧数据)
    memcpy(out->data + sps_pps_size + nal_header_size + offset, in, in_size);
​
    return 0;
}
​
/*
读取并拷贝sps/pps数据
codec_extradata是codecpar的扩展数据，sps/pps数据就在这个扩展数据里面
codec_extradata_size是扩展数据大小
out_extradata是输出sps/pps数据的AVPacket包
padding:就是宏AV_INPUT_BUFFER_PADDING_SIZE的值(64)，是用于解码的输入流的末尾必要的额外字节个数，需要它主要是因为一些优化的流读取器一次读取32或者64比特，可能会读取超过size大小内存的末尾。
*/
int h264_extradata_to_annexb(const uint8_t *codec_extradata, const int codec_extradata_size, AVPacket *out_extradata, int padding)
{
    uint16_t unit_size; // sps/pps数据长度
    uint64_t total_size = 0; // 所有sps/pps数据长度加上其特征码长度后的总长度
​
    for (int i = 0; i < codec_extradata_size; ++i)
    {
        printf("%02x ", *(codec_extradata + i));
    }
​
    /*
    out:是一个指向一段内存的指针，这段内存用于存放所有拷贝的sps/pps数据和其特征码数据
    unit_nb:sps/pps个数
    sps_done：sps数据是否已经处理完毕
    sps_seen：是否有sps数据
    pps_seen：是否有pps数据
    sps_offset：sps数据的偏移，为0
    pps_offset：pps数据的偏移，因为pps数据在sps后面，所以其偏移就是所有sps数据长度+sps的特征码所占字节数
    */
    uint8_t *out = NULL, unit_nb, sps_done = 0,
        sps_seen = 0, pps_seen = 0, sps_offset = 0, pps_offset = 0;
    const uint8_t *extradata = codec_extradata + 4; // 扩展数据的前4位是无用的数据，直接跳过拿到真正的扩展数据
    static const uint8_t nalu_header[4] = { 0, 0, 0, 1 }; // sps/pps数据前面的4bit的特征码
​
                                                          // extradata第一个字节的最后2位用于指示后面每个sps/pps数据所占字节数。(*extradata表示extradata第一个字节的数据，之后自增1指向下一个字节)
    int length_size = (*extradata++ & 0x3) + 1;
​
    sps_offset = pps_offset = -1;
​
    // extradata第二个字节最后5位用于指示sps的个数,一般情况下一个扩展只有一个sps和pps，之后指针指向下一位
    unit_nb = *extradata++ & 0x1f;
    if (!unit_nb) { // unit_nb为0表示没有sps数据，直接跳转到处理pps的地方
        goto pps;
    }
    else { // unit_nb不为0表有sps数据，所以sps_seen赋值1，sps_offset赋值0
        sps_offset = 0;
        sps_seen = 1;
    }
​
    while (unit_nb--) { // 遍历每个sps或pps(先变量sps，然后再遍历pps)
        int err;
​
        // 再接着2个字节表示sps/pps数据的长度
        unit_size = (extradata[0] << 8) | extradata[1];
        total_size += unit_size + 4; // 4表示sps/pps特征码长度
        if (total_size > INT_MAX - padding) { // total_size太大会造成数据溢出，所以要做判断
            av_log(NULL, AV_LOG_ERROR,
                "Too big extradata size, corrupted stream or invalid MP4/AVCC bitstream
");
            av_free(out);
            return AVERROR(EINVAL);
    }
​
// extradata + 2 + unit_size比整个扩展数据都长了表明数据是异常的
if (extradata + 2 + unit_size > codec_extradata + codec_extradata_size) {
av_log(NULL, AV_LOG_ERROR, "Packet header is not contained in global extradata, "
"corrupted stream or invalid MP4/AVCC bitstream
");
av_free(out);
return AVERROR(EINVAL);
    }
​
// av_reallocp()函数用于内存扩展，给out扩展总长加padding的长度
if ((err = av_reallocp(&out, total_size + padding)) < 0)
return err;
​
// 先将4字节的特征码拷贝进out
memcpy(out + total_size - unit_size - 4, nalu_header, 4);
// 再将sps/pps数据拷贝进out,extradata + 2是因为那2字节是表示sps/pps长度的，所以要跳过
memcpy(out + total_size - unit_size, extradata + 2, unit_size);
// 本次sps/pps数据处理完后，指针extradata跳过本次sps/pps数据
extradata += 2 + unit_size;
pps:
if (!unit_nb && !sps_done++) { // 执行到这里表明sps已经处理完了，接下来处理pps数据
       // pps的个数
unit_nb = *extradata++;
if (unit_nb) { // 如果pps个数大于0这给pps_seen赋值1表明数据中有pps
pps_offset = total_size;
pps_seen = 1;
    }
    }
    }
​
if (out) // 如果out有数据，那么将out + total_size后面padding(即64)个字节用0替代
memset(out + total_size, 0, padding);
​
// 如果数据中没有sps或pps则给出提示
if (!sps_seen)
av_log(NULL, AV_LOG_WARNING,
"Warning: SPS NALU missing or invalid. "
"The resulting stream may not play.
");
​
if (!pps_seen)
av_log(NULL, AV_LOG_WARNING,
"Warning: PPS NALU missing or invalid. "
"The resulting stream may not play.
");
​
// 给传进来的sps/pps的AVPaket赋值
out_extradata->data = out;
out_extradata->size = total_size;
​
return length_size;
}
​
/*
为包数据添加起始码、SPS/PPS等信息后写入文件。
AVPacket数据包可能包含一帧或几帧数据，对于视频来说只有1帧，对音频来说就包含几帧
in为要处理的数据包
file为输出文件的指针
*/
int h264_mp4toannexb(AVFormatContext *fmt_ctx, AVPacket *in, FILE *file)
{
AVPacket *out = NULL; // 输出的包
AVPacket spspps_pkt; // sps/pps数据的AVPaket
​
int len; // fwrite()函数写入文件时的返回值
uint8_t unit_type; // NALU头中nal_unit_type，也就是NALU类型，5表示是I帧，7表示SPS，8表示PPS
int32_t nal_size; // 一个NALU(也就是一帧，其第一个字节是头信息)的大小，它存放在NALU的前面的4个字节中
uint8_t nal_size_len = 4; // 存放nal_size的字节数
uint32_t cumul_size = 0; // 已经处理的字节数，当cumul_size==buf_size时表示整个包的数据都处理完了
const uint8_t *buf; // 传进来的数据指针
const uint8_t *buf_end; // 传进来的数据末尾指针
int buf_size; // 传进来的数据大小
int ret = 0, i;
​
out = av_packet_alloc();
​
buf = in->data;
buf_size = in->size;
buf_end = in->data + in->size; // 数据首地址加上数据大小就是数据尾地址
​
do {
ret = AVERROR(EINVAL);
if (buf + nal_size_len > buf_end) // 说明传进来的数据没有内容，是有问题的
    {
goto fail;
    }
​
// 取出NALU前面的4个字节得到这一帧的数据大小
for (nal_size = 0, i = 0; i<nal_size_len; i++)
    {
nal_size = (nal_size << 8) | buf[i];
    }
​
buf += nal_size_len; // buf后移4位指向NALU的头信息(1个字节)
unit_type = *buf & 0x1f; // 取出NALU头信息的后面5个bit，这5bit记录NALU的类型
​
// 数据有问题就退出
if (nal_size > buf_end - buf || nal_size < 0)
    {
goto fail;
    }
​
// unit_type是5表示是关键帧，对于关键帧要在其前面添加SPS和PPS信息
if (unit_type == 5) {
​
// 添加SPS和PPS信息，找FFmpeg中SPS和PPS信息存放在codecpar->extradata中
h264_extradata_to_annexb(fmt_ctx->streams[in->stream_index]->codecpar->extradata,
fmt_ctx->streams[in->stream_index]->codecpar->extradata_size,
&spspps_pkt,
AV_INPUT_BUFFER_PADDING_SIZE);
​
// 为数据添加特征码(起始码，用于分隔一帧一帧的数据)
if ((ret = alloc_and_copy(out,
spspps_pkt.data, spspps_pkt.size,
buf, nal_size)) < 0)
goto fail;
    }
else {
// 非关键帧只需要添加特征码
if ((ret = alloc_and_copy(out, NULL, 0, buf, nal_size)) < 0)
goto fail;
    }
​
​
buf += nal_size; // 一帧处理完后将指针移到下一帧
cumul_size += nal_size + nal_size_len;// 累计已经处理好的数据长度
    } while (cumul_size < buf_size);
​
// SPS、PPS和特征码都添加后将其写入文件
len = fwrite(out->data, 1, out->size, file);
if (len != out->size) {
av_log(NULL, AV_LOG_DEBUG, "warning, length of writed data isn't equal pkt.size(%d, %d)
", len, out->size);
    }
// fwrite()只是将数据写入缓存，fflush()才将数据正在写入文件
fflush(file);
​
fail:
av_packet_free(&out); // 凡是中途处理失败退出之前都要将促使的out释放，否则会出现内存泄露
​
return ret;
​
}
​
int main()
{
int err_code = 0;
int vdo_stm_idx = 0;
​
av_register_all();
av_log_set_level(AV_LOG_INFO);
​
AVFormatContext *fmt_ctx = NULL;
AVPacket pkt;
​
if (!src || !dst)
    {
av_log(NULL, AV_LOG_ERROR, "file is null!
");
return -1;
    }
​
//打开输入文件格式上下文
if (err_code = avformat_open_input(&fmt_ctx, src, NULL, NULL) < 0)
    {
av_strerror(err_code, errinfo, 1024);
av_log(NULL, AV_LOG_ERROR, "Can`t open file! ( %s )
", errinfo);
return -1;
    }
​
//判断非空
if (err_code = avformat_find_stream_info(fmt_ctx, NULL) < 0)
    {
av_strerror(err_code, errinfo, 1024);
av_log(NULL, AV_LOG_ERROR, "Can`t open file! ( %s )
", errinfo);
return -1;
    }
​
FILE *out = fopen(dst, "wb");
​
av_dump_format(fmt_ctx, 0, src, 0);
​
av_init_packet(&pkt);
​
//找最佳视频流下标
if (vdo_stm_idx = av_find_best_stream(fmt_ctx, AVMEDIA_TYPE_VIDEO, -1, -1, NULL, 0) < 0)
    {
av_log(NULL, AV_LOG_ERROR, "Can`t find best stream!
");
return -1;
    }
​
while (av_read_frame(fmt_ctx, &pkt) >= 0)
    {
if (pkt.stream_index == vdo_stm_idx)
    {
h264_mp4toannexb(fmt_ctx, &pkt, out);
    }
av_packet_unref(&pkt);
    }
​
return 0;
}