AVDataProcess/README.md

651 lines
21 KiB
Markdown
Raw Normal View History

# 视音频数据处理入门
<br>
<br>
## 准备
2017-10-17 01:56:00 +00:00
yuv视频下载
>http://trace.eas.asu.edu/yuv/
2017-10-17 01:56:00 +00:00
yuv播放器[修改了一个YUV/RGB播放器](http://blog.csdn.net/leixiaohua1020/article/details/50466201)
>注意:<br />
>本文中像素的采样位数一律为8bit。由于1Byte=8bit所以一个像素的一个分量的采样值占用1Byte。<br />
>输出的U、V分量在YUV播放器中也是当做Y分量进行播放的。<br />
2017-10-17 06:33:08 +00:00
<br>
<br>
## 分离YUV420P像素数据中的Y、U、V分量
> 如果视频帧的宽和高分别为w和h那么一帧YUV420P像素数据一共占用w*h*3/2 Byte的数据。其中前w * h Byte存储Y接着的w * h * 1/4 Byte存储U最后w * h * 1/4 Byte存储V。
2017-10-18 01:34:03 +00:00
yuv420p像素数据排列如下图。原图像分辨率为256 * 256所以Y分量分辨率为256 * 256U分量分辨率为128 * 128V分量分辨率为128 * 128
![](./images/yuv420p_data.png)
2017-10-17 06:33:08 +00:00
yuv420_split.cpp 程序中的函数可以将YUV420P数据中的Y、U、V三个分量分离开来并保存成三个文件。
调用方法:
> ./yuv420_split ./mediadata/lena_256x256_yuv420p.yuv 256 256
2017-10-17 06:33:08 +00:00
上述代码运行后将会把一张分辨率为256x256的名称为lena_256x256_yuv420p.yuv的YUV420P格式的像素数据文件分离成为三个文件
- output_420_y.y纯Y数据分辨率为**256x256**。注意播放时设置播放器分辨率。
- output_420_u.y纯U数据分辨率为**128x128**。注意播放时设置播放器分辨率。
- output_420_v.y纯V数据分辨率为**128x128**。注意播放时设置播放器分辨率。
<br />
<br />
## 分离YUV444P像素数据中的Y、U、V分量
> 说明如果视频帧的宽和高分别为w和h那么一帧YUV444P像素数据一共占用w * h * 3 Byte的数据。其中前w * h Byte存储Y接着的w * h Byte存储U最后w * h Byte存储V。
调用方法:
> ./yuv444p_split ./mediadata/lena_256x256_yuv444p.yuv 256 256
上述代码运行后将会把一张分辨率为256x256的名称为lena_256x256_yuv444p.yuv的YUV444P格式的像素数据文件分离成为三个文件
- output_444_y.y纯Y数据分辨率为**256x256**。
- output_444_u.y纯U数据分辨率为**256x256**。
- output_444_v.y纯V数据分辨率为**256x256**。
2017-10-17 01:56:00 +00:00
<br />
<br />
## 分离YUV422P像素数据中的Y、U、V分量还有问题图像显示不完整
> 说明对于YUV422P的格式表示平面格式(Planar)即Y、U、V是分开存储的每个分量占一块地方其中Y为width * height而U、V合占width * height。根据U、V的顺序分出2种格式U前V后即YUV422P也叫I422V前U后叫YV16(YV表示Y后面跟着V16表示16bit)。
调用方法:
> ./yuv422p_split ./mediadata/lena_256x256_yuv422p.yuv 256 256
上述代码运行后将会把一张分辨率为256x256的名称为lena_256x256_yuv422p.yuv的YUV422P格式的像素数据文件分离成为三个文件
- output_422p_y.y纯Y数据分辨率为**256x256**。
- output_422p_u.y纯U数据分辨率为**128x128**。
- output_422p_v.y纯V数据分辨率为**128x128**。
<br />
<br />
## 将YUV420P像素数据去掉颜色变成灰度图
>说明如果想把YUV格式像素数据变成灰度图像只需要将U、V分量设置成128即可。这是因为U、V是图像中的经过偏置处理的色度分量。色度分量在偏置处理前的取值范围是-128至127这时候的无色对应的是“0”值。经过偏置后色度分量取值变成了0至255因而此时的无色对应的就是128了。
调用方法:
> ./yuv420p_gray ./mediadata/lena_256x256_yuv420p.yuv 256 256
上述代码运行后将会把一张分辨率为256x256的名称为lena_256x256_yuv420p.yuv的YUV420P格式的像素数据文件处理成名称为output_420p_gray.yuv的YUV420P格式的像素数据文件。
<br />
<br />
## 将YUV420P像素数据的周围加上边框
> 说明本程序将距离图像边缘border范围内的像素的Y分量、U分量、Y分量的取值设置成了最大值255。
调用方法:
> ./yuv420p_border ./mediadata/lena_256x256_yuv420p.yuv 256 256 30
上述代码运行后将会把一张分辨率为256x256的名称为lena_256x256_yuv420p.yuv的YUV420P格式的像素数据文件处理成名称为output_420p_border.yuv的YUV420P格式的像素数据文件。输入的原图如下所示。
![](./images/yuv420p.png) ![](./images/yuv420p_border.png)
<br />
<br />
2017-10-18 02:13:48 +00:00
## 将YUV420P像素数据的亮度减半
>说明如果打算将图像的亮度减半只要将图像的每个像素的Y值取出来分别进行除以2的工作就可以了。图像的每个Y值占用1 Byte取值范围是0至255对应C语言中的unsigned char数据类型。
调用方法:
> ./yuv420p_half_y ./mediadata/lena_256x256_yuv420p.yuv 256 256
上述代码运行后将会把一张分辨率为256x256的名称为lena_256x256_yuv420p.yuv的YUV420P格式的像素数据文件处理成名称为output_420p_half_y.yuv的YUV420P格式的像素数据文件。
<br />
<br />
## 分离RGB24像素数据中的R、G、B分量
> 说明与YUV420P三个分量分开存储不同RGB24格式的每个像素的三个分量是连续存储的。一帧宽高分别为w、h的RGB24图像一共占用w * h * 3 Byte的存储空间。RGB24格式规定首先存储第一个像素的R、G、B然后存储第二个像素的R、G、B…以此类推。类似于YUV420P的存储方式称为Planar方式而类似于RGB24的存储方式称为Packed方式。
调用方法:
> ./rgb24_split ./mediadata/cie1931_500x500.rgb 500 500
上述代码运行后将会把一张分辨率为500x500的名称为cie1931_500x500.rgb的RGB24格式的像素数据文件分离成为三个文件
- output_r.yR数据分辨率为**500x500**。
- output_g.yG数据分辨率为**500x500**。
- output_b.yB数据分辨率为**500x500**。
输入的原图是一张标准的CIE 1931色度图。该色度图右下为红色上方为绿色左下为蓝色如下图所示
![](./images/cie1931_500x500.png)
R数据图像如图所示 ![](./images/cie1931_500x500_r.png)
G数据图像如图所示 ![](./images/cie1931_500x500_g.png)
B数据图像如图所示 ![](./images/cie1931_500x500_b.png)
<br />
<br />
## 将RGB24格式像素数据封装为BMP图像
>说明BMP图像内部实际上存储的就是RGB数据。本程序实现了对RGB像素数据的封装处理。通过本程序中的函数可以将RGB数据封装成为一张BMP图像。
调用方法:
>./rgb24_to_bmp ./mediadata/lena_256x256_rgb24.rgb 256 256
该程序完成了主要完成了两个工作:
- 将RGB数据前面加上文件头。
- 将RGB数据中每个像素的“B”和“R”的位置互换。
BMP文件是由BITMAPFILEHEADER、BITMAPINFOHEADER、RGB像素数据共3个部分构成
//位图文件头结构体
//这个结构体的长度是固定的14个字节。
//考虑到结构体的字节对齐将bfType单独提取出来否则会造成该结构体为16个字节。
static unsigned short bfType = 0x4D42;//指定文件类型必须是0x424D
//即字符串“BM”也就是说所有.bmp文件的头两个字节都是“BM”。
//'BM'表示这是Windows支持的位图格式。
typedef struct {
unsigned int bfSize; //指定文件大小以字节为单位包括这14个字节。
unsigned short bfReserved1; //为保留字,不用考虑
unsigned short bfReserved2; //为保留字,不用考虑
unsigned int bfOffBits; //位图文件头到数据的偏移量,以字节为单位
}BITMAPFILEHEADER;
//位图信息头结构体
typedef struct {
unsigned int biSize; //该结构大小字节为单位一般为40个字节
unsigned int biWidth; //指定图象的宽度,单位是象素。
unsigned int biHeight; //指定图象的高度,单位是象素。
//注:这个值除了用于描述图像的高度之外,它还有另一个用处,
//就是指明该图像是倒向的位图,还是正向的位图。
//如果该值是一个正数,说明图像是倒向的,如果该值是个负数,则说明图像是正向的。
//大多数的BMP文件都是倒向的位图也就是高度值是一个正数。
unsigned short biPlanes; //为目标设备说明颜色平面数必须为1不用考虑
unsigned short biBitCount; //颜色深度,每个象素所需要的位数
unsigned int biCompression; //位图的压缩类型
unsigned int biSizeImage; //位图的大小,以字节为单位
unsigned int biXPelsPerMeter; //位图水平分辨率,每米像素数
unsigned int biYPelsPerMeter; //位图垂直分辨率,每米像素数
unsigned int biClrUsed; //位图实际使用的颜色表中的颜色数
unsigned int biClrImportant; //位图显示过程中重要的颜色数
}BITMAPINFOHEADER;
BMP采用的是小端Little Endian存储方式。这种存储方式中“RGB24”格式的像素的分量存储的先后顺序为B、G、R。由于RGB24格式存储的顺序是R、G、B所以需要将“R”和“B”顺序作一个调换再进行存储。
> 注意vs中结构体默认是1个字节对齐即为8的倍数。gcc中结构体默认是4个字节对齐即为32的倍数。
<br />
<br />
## 将RGB24格式像素数据转换为YUV420P格式像素数据
>本程序实现了RGB到YUV的转换公式
>
- Y = 0.299 * R + 0.587 * G + 0.114 * B
- U = -0.147 * R - 0.289 * G + 0.463 * B
- V = 0.615 * R - 0.515 * G - 0.100 * B
调用方法:
> ./rgb24_to_yuv420p ./mediadata/lena_256x256_rgb24.rgb 256 256
<br>
注意:
>
- 1) RGB24存储方式是PackedYUV420P存储方式是Planar。
- 2) UV在水平和垂直方向的取样数是Y的一半
<br />
<br />
2017-10-18 09:31:07 +00:00
## 生成RGB24格式的彩条测试图
> rgb24_colorbar.cpp程序输出“红橙黄绿青蓝紫白黑”9种颜色的彩条。
输出结果如图所示:
![](./images/colorbar_640x480.png)
<br />
<br />
2017-11-11 09:38:22 +00:00
## H.264视频码流解析
H.264原始码流又称为“裸流”是由一个一个的NALU组成的。
其中每个NALU之间通过startcode起始码进行分隔。
起始码分成两种0x0000013Byte或者0x000000014Byte
如果NALU对应的Slice为一帧的开始就用0x00000001否则就用0x000001。
H.264码流解析的步骤:
> 首先从码流中搜索0x000001和0x00000001分离出NALU
> 然后再分析NALU的各个字段。
NALU头结构NALU类型(5bit)、重要性指示位(2bit)、禁止位(1bit)。
>- NALU类型112由H.264使用2431由H.264以外的应用使用。
>- 重要性指示标志该NAL单元用于重建时的重要性值越大越重要。(Nal_ref_idc表示NAL的优先级。03取值越大表示当前NAL越重要需要优先受到保护。如果当前NAL是属于参考帧的片或是序列参数集或是图像参数集这些重要的单位时本句法元素必需大于0。)
>- 禁止位网络发现NAL单元有比特错误时可设置该比特为1以便接收方丢掉该单元。
<br />
<br />
## 分离PCM16LE双声道音频采样数据的左声道和右声道
> 本文中声音样值的采样频率一律是44100Hz采样格式一律为16LE。“16”代表采样位数是16bit。由于1Byte=8bit所以一个声道的一个采样值占用2Byte。“LE”代表Little Endian代表2 Byte采样值的存储方式为高位存在高地址中。
``` C++
//
//本程序中的函数可以将PCM16LE双声道数据中左声道和右声道的数据分离成两个文件。
//
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
int pcm16le_split(const char *file)
{
if (file == NULL) {
printf("文件路径为空!\n");
return 0;
}
FILE *fp = fopen(file, "rb+");
if (fp == NULL) {
printf("文件打开失败!\n");
return 0;
}
FILE *fp_l = fopen("./output/output_l.pcm", "wb+");
if (fp_l == NULL) {
printf("左声道文件打开或创建失败!\n");
return 0;
}
FILE *fp_r = fopen("./output/output_r.pcm", "wb+");
if (fp_r == NULL) {
printf("右声道文件打开或创建失败!\n");
return 0;
}
unsigned char buf[4] = {0};
//PCM16LE双声道数据中左声道和右声道的采样值是间隔存储的。
//每个采样值占用2Byte空间。
while (!feof(fp)) {
fread(buf, 1, 4, fp);
//保存左声道的数据一个采样值16位两个字节
fwrite(buf, 1, 2, fp_l);
//保存右声道的数据
fwrite(buf+2, 1, 2, fp_r);
}
fclose(fp);
fclose(fp_l);
fclose(fp_r);
return 1;
}
int main()
{
char file[] = "./mediadata/NocturneNo2inEflat_44.1k_s16le.pcm";
if (pcm16le_split(file)) {
printf("操作成功!!!\n");
} else {
printf("操作失败!!!\n");
}
}
```
从代码可以看出PCM16LE双声道数据中左声道和右声道的采样值是间隔存储的。每个采样值占用2Byte空间。代码运行后会把NocturneNo2inEflat_44.1k_s16le.pcm的PCM16LE格式的数据分离为两个单声道数据
output_l.pcm左声道数据。
output_r.pcm右声道数据。
<br />
<br />
## 将PCM16LE双声道音频采样数据中左声道的音量降一半
> 本文中声音样值的采样频率一律是44100Hz采样格式一律为16LE。“16”代表采样位数是16bit。由于1Byte=8bit所以一个声道的一个采样值占用2Byte。“LE”代表Little Endian代表2 Byte采样值的存储方式为高位存在高地址中。
``` C++
//
//本程序中的函数可以将PCM16LE双声道数据中左声道的音量降低一半。
//
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
int pcm16le_halfvolumeleft(const char *file)
{
if (file == NULL) {
printf("原始文件为空!\n");
return 0;
}
FILE *fp = fopen(file, "rb+");
if (fp == NULL) {
printf("原始文件打开失败!\n");
return 0;
}
FILE *fp1 = fopen("./output/output_halfleft.pcm", "wb+");
if (fp1 == NULL) {
printf("文件打开或创建失败!\n");
return 0;
}
unsigned char buf[4] = {0};
while(!feof(fp)) {
//从文件中读取一次采样值因为是16位的所以需读取4个字节
//左右声道采样值间隔存储
//前两个字节为左声道采样值,后两个字节为右声道采样值
fread(buf, 1, 4, fp);
//将前两个字节(左声道采样值)强制转换为 short类型
short *sample = (short *)buf;
//将左声道采样值减半
*sample = *sample / 2;
//将减半的左声道采样值写入文件
fwrite(sample, 1, 2, fp1);
//将原始的右声道采样值写入文件
fwrite(buf+2, 1, 2, fp1);
}
fclose(fp);
fclose(fp1);
return 1;
}
int main()
{
char file[] = "./mediadata/NocturneNo2inEflat_44.1k_s16le.pcm";
if (pcm16le_halfvolumeleft(file)) {
printf("操作成功!!!\n");
} else {
printf("操作失败!!!\n");
}
}
```
从源代码可以看出本程序在读出左声道的2 Byte的取样值之后将其当成了C语言中的一个short类型的变量。将该数值除以2之后写回到了PCM文件中。
<br />
<br />
## 将PCM16LE双声道音频采样数据的声音速度提高一倍
> 本文中声音样值的采样频率一律是44100Hz采样格式一律为16LE。“16”代表采样位数是16bit。由于1Byte=8bit所以一个声道的一个采样值占用2Byte。“LE”代表Little Endian代表2 Byte采样值的存储方式为高位存在高地址中。
``` C++
//
//本程序中的函数可以通过抽象的方式将PCM16LE双声道数据的速度提高一倍。
//
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
int pcm16le_doublespeed(const char *file)
{
if (file == NULL) {
printf("原始PCM文件为空\n");
return 0;
}
FILE *fp = fopen(file, "rb+");
if (fp == NULL) {
printf("原始PCM文件打开失败\n");
return 0;
}
FILE *fp1 = fopen("./output/output_doublespeed.pcm", "wb+");
if (fp1 == NULL) {
printf("文件打开或创建失败!\n");
return 0;
}
int count = 0; //采样计数
unsigned char buf[4] = {0};
while( !feof(fp) ) {
//从文件中读取一次采样值因为是16位的所以需读取4个字节
//左右声道采样值间隔存储
//前两个字节为左声道采样值,后两个字节为右声道采样值
fread(buf, 1, 4, fp);
//只把偶数次采样值写入文件
if (count%2 == 0) {
//保存左声道的数据一个采样值16位两个字节
fwrite(buf, 1, 2, fp1);
//保存右声道的数据一个采样值16位两个字节
fwrite(buf+2, 1, 2, fp1);
}
count++;
}
fclose(fp);
fclose(fp1);
return 1;
}
int main()
{
char file[] = "./mediadata/NocturneNo2inEflat_44.1k_s16le.pcm";
if (pcm16le_doublespeed(file)) {
printf("操作成功!!!\n");
} else {
printf("操作失败!!!\n");
}
}
```
从源代码可以看出本程序只采样了每个声道偶数点的样值。处理完成后原本22秒左右的音频变成了11秒左右。音频的播放速度提高了2倍音频的音调也变高了很多。
<br />
<br />
## 将PCM16LE双声道音频采样数据转换为PCM8音频采样数据
> 本文中声音样值的采样频率一律是44100Hz采样格式一律为16LE。“16”代表采样位数是16bit。由于1Byte=8bit所以一个声道的一个采样值占用2Byte。“LE”代表Little Endian代表2 Byte采样值的存储方式为高位存在高地址中。
``` C++
//
//本程序中的函数可以通过计算的方式将PCM16LE双声道数据16bit的采样位数转换为8bit。
//
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
int pcm16le_to_pcm8(const char *file)
{
if (file == NULL) {
printf("原始PCM文件为空\n");
return 0;
}
FILE *fp = fopen(file, "rb+");
if (fp == NULL) {
printf("原始PCM文件打开失败\n");
return 0;
}
FILE *fp1 = fopen("./output/pcm16le_to_pcm8.pcm", "wb+");
if (fp1 == NULL) {
printf("文件打开或创建失败!\n");
return 0;
}
unsigned char buf[4] = {0};
while ( !feof(fp) ) {
//从文件中读取一次采样值因为是16位的所以需读取4个字节
//左右声道采样值间隔存储,前两个字节为左声道采样值,后两个字节为右声道采样值
fread(buf, 1, 4, fp);
//将前两个字节(左声道采样值)强制转换为 short类型因为short类型长度为两个字节
short *sample = (short *)buf;
//右移8位相当于除以256(2的8次方)
//将pcm16(short类型)的值以256为除数取模作为pcm8的采样值
unsigned char pcm8 = (*sample) >> 8;
//因为short类型的范围为-32768~32767经过上一步获得的结果为-128~127
//所以转成unsigned char需要加上128unsigned char类型的范围为0~255
pcm8 = pcm8 + 128;
//写入左声道的采样值
fwrite(&pcm8, 1, 1, fp1);
//将前两个字节(右声道采样值)强制转换为 short类型
sample = (short *)(buf + 2);
pcm8 = (*sample) >> 8;
//-128~127 => 0~128
pcm8 = pcm8 + 128;
//写入右声道的采样值
fwrite(&pcm8, 1, 1, fp1);
}
fclose(fp);
fclose(fp1);
return 1;
}
int main()
{
char file[] = "./mediadata/NocturneNo2inEflat_44.1k_s16le.pcm";
if (pcm16le_to_pcm8(file)) {
printf("操作成功!\n");
} else {
printf("操作失败!\n");
}
return 0;
}
```
PCM16LE格式的采样数据的取值范围是-32768到32767而PCM8格式的采样数据的取值范围是0到255。所以PCM16LE转换到PCM8需要经过两个步骤第一步是将-32768到32767的16bit有符号数值转换为-128到127的8bit有符号数值第二步是将-128到127的8bit有符号数值转换为0到255的8bit无符号数值。在本程序中16bit采样数据是通过short类型变量存储的而8bit采样数据是通过unsigned char类型存储的。
<br />
<br />
2017-11-11 09:38:22 +00:00
<br />
<br />
2017-10-17 01:56:00 +00:00
参考:[视音频数据处理入门RGB、YUV像素数据处理](http://blog.csdn.net/leixiaohua1020/article/details/50534150)
![](./images/leixiaohua_avDataProcess.png)