ffmpeg音频处理——pcm格式与resample(重采样)

2024-04-09 17:32

本文主要是介绍ffmpeg音频处理——pcm格式与resample(重采样),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1 基本概念1:获取pcm音频帧声道数

  1. AVCodecContext->channels
  2. avframe->channels
  3. printf("av_frame_get_channels = %d\n",av_frame_get_channels(frame));

1.1 声道与布局具有映射关系

audio channels and channel_layout_个叉叉_新浪博客

2 基本概念2:获取pcm音频帧每个声道的sample采样点个数

frame_->nb_samples

3 基本概念3:获取pcm音频帧物理存放方式

3.1 获取解码之后的pcm音频帧物理存放方式

frame->format

3.2 ffmpeg支持的音频帧的物理存放方式

FFmpeg: Audio sample formats

打印对应的含义
printf("av_get_sample_fmt_name= %s\n",av_get_sample_fmt_name(frame->format));

3.3 ffmpeg音频帧的物理存放方式含义

3.3.1 第一层意思: 每个采样点数据的物理存储类型
  1. 大端小端方式
  2. 无符号/有符号
  3. 数据位数
    8位,16位等
  4. 数据类型
    整形,浮点类型等
3.3.2 第二层意思: 不同声道的同一采样点是否单独存放
  1. 参考链接

    PCM数据格式 - taoanran - 开源中国社区
    Decode Audio from Memory - C++ - Stack Overflow
    audio - What is the difference between AV_SAMPLE_FMT_S16P and AV_SAMPLE_FMT_S16? - Stack Overflow

  2. 两种存放方式 packed和planar
    1. 第一种: 多个声道数据交错存放(packed类型,不带字符P)

      对于 packed音频(左右声道打包存放), 只有一个数据指针(相当于一个声道)。
      所有声道的数据交错排放在frame->data[0](即frame->extended_data[0])地址处
      所有声道的数据长度为linesize[0](单位:字节)

      地址数据备注
      data[0]声道1的采样点0每个采样点数据有int、uint、float,大端小端之分
      data[0]+1声道2的采样点0 
      data[0]+2声道1的采样点1 
      data[0]+3声道2的采样点1 
      data[0]+4声道1的采样点2 
      data[0]+5声道2的采样点2 
       
      data[0]+2i声道1的采样点i 
      data[0]+2i+1声道2的采样点i 

      比如: AV_SAMPLE_FMT_S16 所有声道的数据放在一个buffer中,左右声道采样点交叉存放,每个采样值为一个signed 16位(范围为-32767 to +32767)。

    2. 第二种: 每个声道数据单独存放(planar类型,带字符P)

      对于 planar音频(左右声道分开存放),每个声道有自己的数据存放位置。
      声道0的起始地址为 frame->data[0](或frame->extended_data[0])
      声道1的起始地址为 frame->data[1](或frame->extended_data[1])
      声道i的起始地址为 frame->data[i](或frame->extended_data[i])
      每个声道的数据长度为linesize[0](单位:字节)

      实际上ffmpeg在实现的时候,每个声道的数据连续存放,不同声道之间也是连续存放的。

      地址声道 
      data[0]声道1采样点1
        采样点2
        采样点i
      data[1]声道2采样点1
        采样点2
        采样点i

      所以 data[i]=data[i-1] + linesize[0]

      比如: AV_SAMPLE_FMT_S16P 每个声道的数据放在单独的buffer中,每个采样值为一个signed 16位(范围为-32767 to +32767)。

    3. 两者之间的联系
      1. 所有声道的数据都是存放在 frame->data[0]开始的一段连续空间中
      2. 如果是 packed类型,同一采样点的不同声道数据放到一起,然后存储下一个采样点
      3. 如果是 planar类型,同一声道的所有采样点数据放到一起,然后存放下一个声道
  3. 判断是否是 planar类型

    av_sample_fmt_is_planar(sample_fmt)

  4. 两者之间的转换
    1. 通过重采样函数进行转换
    2. 手动将每个声道的数据交错存放
  5. 根据存放方式,分配pcm数据空间(重采样用)
    1. 手动分配

      int nb_planes;
      static uint8_t **audio_dst_data = NULL;
      nb_planes = av_sample_fmt_is_planar(audio_dec_ctx->sample_fmt) ? audio_dec_ctx->channels : 1; //如果是 planar类型,需要分配一个指针数组,每个元素指向一个声道
      audio_dst_data = av_mallocz(sizeof(uint8_t *) * nb_planes);
      if (!audio_dst_data) {
      fprintf(stderr, "Could not allocate audio data buffers\n");
      ret = AVERROR(ENOMEM);
      goto end;
      }
      ret = av_samples_alloc(audio_dst_data, &audio_dst_linesize, av_frame_get_channels(frame),
      frame->nb_samples, frame->format, 1);
      if (ret < 0) {
      fprintf(stderr, "Could not allocate audio buffer\n");
      return AVERROR(ENOMEM);
      }

    2. 调用接口函数(内部实现,即是上面的函数调用过程)

      uint8_t ** audio_data;
      src_nb_channels = av_get_channel_layout_nb_channels(src_ch_layout);
      ret = av_samples_alloc_array_and_samples(&src_data, &src_linesize, src_nb_channels, //都是定义二重指针 audio_data,注意这里的调用方式
      src_nb_samples, src_sample_fmt, 0);
      if (ret < 0) {
      fprintf(stderr, "Could not allocate source samples\n");
      goto end;
      }
      // 这个函数内部即是上面的过程
      int av_samples_alloc_array_and_samples (uint8_t * audio_data,
      int * linesize,
      int nb_channels,
      int nb_samples,
      enum AVSampleFormat sample_fmt,
      int align
      )

3.3.3 获取pcm声道占有的byte空间大小
  1. 获取pcm每个声道占有的byte空间大小(可以通过pcm物理数据类型和采样点个数,通道个数推导出)
    1. 对于 packed音频(左右声道打包存放)

      AVFrame->int linesize[0]值即为打包存放的所有声道的数据字节长度

    2. 对于 planar音频(每个声道数据单独存放)

      AVFrame->int linesize[0]值即为每个声道的数据字节长度
      例如:
      frame->format为 FLTP类型(每个sample是float类型的)
      frame->nb_samples=2048(每个声道2048个采样点)
      推导出: 每个声道占有的byte空间大小为 2048*4=8192
      frame->linesize[0]确实等于8192

  2. 获取pcm所有声道占有的byte空间大小
    1. 对于 packed音频(左右声道打包存放)

      linesize[0]值即为所有声道的数据字节长度

    2. 对于 packed和planar音频,都可以使用官方函数得出

      输入的参数为pcm类型,声道个数,采样点数

      int av_samples_get_buffer_size  (   int *   linesize,  //主要针对 planar类型int   nb_channels,int   nb_samples,enum AVSampleFormat   sample_fmt,int   align )
      

      Parameters
      [out] linesize calculated linesize, may be NULL
      nb_channels the number of channels
      nb_samples the number of samples in a single channel
      sample_fmt the sample format
      align buffer size alignment (0 = default, 1 = no alignment)

      Returns
      required buffer size, or negative error code on failure

这篇关于ffmpeg音频处理——pcm格式与resample(重采样)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/888788

相关文章

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Springboot处理跨域的实现方式(附Demo)

《Springboot处理跨域的实现方式(附Demo)》:本文主要介绍Springboot处理跨域的实现方式(附Demo),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录Springboot处理跨域的方式1. 基本知识2. @CrossOrigin3. 全局跨域设置4.

python+opencv处理颜色之将目标颜色转换实例代码

《python+opencv处理颜色之将目标颜色转换实例代码》OpenCV是一个的跨平台计算机视觉库,可以运行在Linux、Windows和MacOS操作系统上,:本文主要介绍python+ope... 目录下面是代码+ 效果 + 解释转HSV: 关于颜色总是要转HSV的掩膜再标注总结 目标:将红色的部分滤

Python实现自动化接收与处理手机验证码

《Python实现自动化接收与处理手机验证码》在移动互联网时代,短信验证码已成为身份验证、账号注册等环节的重要安全手段,本文将介绍如何利用Python实现验证码的自动接收,识别与转发,需要的可以参考下... 目录引言一、准备工作1.1 硬件与软件需求1.2 环境配置二、核心功能实现2.1 短信监听与获取2.

如何自定义Nginx JSON日志格式配置

《如何自定义NginxJSON日志格式配置》Nginx作为最流行的Web服务器之一,其灵活的日志配置能力允许我们根据需求定制日志格式,本文将详细介绍如何配置Nginx以JSON格式记录访问日志,这种... 目录前言为什么选择jsON格式日志?配置步骤详解1. 安装Nginx服务2. 自定义JSON日志格式各

Python使用date模块进行日期处理的终极指南

《Python使用date模块进行日期处理的终极指南》在处理与时间相关的数据时,Python的date模块是开发者最趁手的工具之一,本文将用通俗的语言,结合真实案例,带您掌握date模块的六大核心功能... 目录引言一、date模块的核心功能1.1 日期表示1.2 日期计算1.3 日期比较二、六大常用方法详

python dict转换成json格式的实现

《pythondict转换成json格式的实现》本文主要介绍了pythondict转换成json格式的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下... 一开始你变成字典格式data = [ { 'a' : 1, 'b' : 2, 'c编程' : 3,

使用Python实现文本转语音(TTS)并播放音频

《使用Python实现文本转语音(TTS)并播放音频》在开发涉及语音交互或需要语音提示的应用时,文本转语音(TTS)技术是一个非常实用的工具,下面我们来看看如何使用gTTS和playsound库将文本... 目录什么是 gTTS 和 playsound安装依赖库实现步骤 1. 导入库2. 定义文本和语言 3

利用Go语言开发文件操作工具轻松处理所有文件

《利用Go语言开发文件操作工具轻松处理所有文件》在后端开发中,文件操作是一个非常常见但又容易出错的场景,本文小编要向大家介绍一个强大的Go语言文件操作工具库,它能帮你轻松处理各种文件操作场景... 目录为什么需要这个工具?核心功能详解1. 文件/目录存javascript在性检查2. 批量创建目录3. 文件

Java使用多线程处理未知任务数的方案介绍

《Java使用多线程处理未知任务数的方案介绍》这篇文章主要为大家详细介绍了Java如何使用多线程实现处理未知任务数,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 知道任务个数,你可以定义好线程数规则,生成线程数去跑代码说明:1.虚拟线程池:使用 Executors.newVir