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

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

Thymeleaf:生成静态文件及异常处理java.lang.NoClassDefFoundError: ognl/PropertyAccessor

我们需要引入包: <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-thymeleaf</artifactId></dependency><dependency><groupId>org.springframework</groupId><artifactId>sp

easyui同时验证账户格式和ajax是否存在

accountName: {validator: function (value, param) {if (!/^[a-zA-Z][a-zA-Z0-9_]{3,15}$/i.test(value)) {$.fn.validatebox.defaults.rules.accountName.message = '账户名称不合法(字母开头,允许4-16字节,允许字母数字下划线)';return fal

音视频入门基础:WAV专题(10)——FFmpeg源码中计算WAV音频文件每个packet的pts、dts的实现

一、引言 从文章《音视频入门基础:WAV专题(6)——通过FFprobe显示WAV音频文件每个数据包的信息》中我们可以知道,通过FFprobe命令可以打印WAV音频文件每个packet(也称为数据包或多媒体包)的信息,这些信息包含该packet的pts、dts: 打印出来的“pts”实际是AVPacket结构体中的成员变量pts,是以AVStream->time_base为单位的显

jenkins 插件执行shell命令时,提示“Command not found”处理方法

首先提示找不到“Command not found,可能我们第一反应是查看目标机器是否已支持该命令,不过如果相信能找到这里来的朋友估计遇到的跟我一样,其实目标机器是没有问题的通过一些远程工具执行shell命令是可以执行。奇怪的就是通过jenkinsSSH插件无法执行,经一番折腾各种搜索发现是jenkins没有加载/etc/profile导致。 【解决办法】: 需要在jenkins调用shell脚

[数据集][目标检测]血细胞检测数据集VOC+YOLO格式2757张4类别

数据集格式:Pascal VOC格式+YOLO格式(不包含分割路径的txt文件,仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件) 图片数量(jpg文件个数):2757 标注数量(xml文件个数):2757 标注数量(txt文件个数):2757 标注类别数:4 标注类别名称:["Platelets","RBC","WBC","sickle cell"] 每个类别标注的框数:

明明的随机数处理问题分析与解决方案

明明的随机数处理问题分析与解决方案 引言问题描述解决方案数据结构设计具体步骤伪代码C语言实现详细解释读取输入去重操作排序操作输出结果复杂度分析 引言 明明生成了N个1到500之间的随机整数,我们需要对这些整数进行处理,删去重复的数字,然后进行排序并输出结果。本文将详细讲解如何通过算法、数据结构以及C语言来解决这个问题。我们将会使用数组和哈希表来实现去重操作,再利用排序算法对结果

8. 自然语言处理中的深度学习:从词向量到BERT

引言 深度学习在自然语言处理(NLP)领域的应用极大地推动了语言理解和生成技术的发展。通过从词向量到预训练模型(如BERT)的演进,NLP技术在机器翻译、情感分析、问答系统等任务中取得了显著成果。本篇博文将探讨深度学习在NLP中的核心技术,包括词向量、序列模型(如RNN、LSTM),以及BERT等预训练模型的崛起及其实际应用。 1. 词向量的生成与应用 词向量(Word Embedding)

使用协程实现高并发的I/O处理

文章目录 1. 协程简介1.1 什么是协程?1.2 协程的特点1.3 Python 中的协程 2. 协程的基本概念2.1 事件循环2.2 协程函数2.3 Future 对象 3. 使用协程实现高并发的 I/O 处理3.1 网络请求3.2 文件读写 4. 实际应用场景4.1 网络爬虫4.2 文件处理 5. 性能分析5.1 上下文切换开销5.2 I/O 等待时间 6. 最佳实践6.1 使用 as