AVFoundation学习笔记(三): 媒体捕捉、读取及写入

媒体捕捉

捕捉会话

媒体捕捉是AVFoundation的重点功能。其核心类是AVCaptureSession。用于连接输入输出的资源。捕捉会话有一个会话预设值，用于控制捕捉数据的格式和质量，默认为AVCaptureSessionPresentHigh。

捕捉设备

AVCaptureDevice为诸如摄像头或麦克风等物理设备定义了一个接口。针对物理设备定义了大量控制方法，包括对焦、白平衡、曝光等。最常用的方法是

-(AVCaptureDevice*)defaultDeviceWithMediaType:

捕捉设备的输入

在使用捕捉设备进行处理前，首先要添加一个输入设备，不过一个捕捉设备不能直接添加到AVCaptureSession，但可以将它封装到AVCaptureDeviceInput实例中来添加，使用-deviceInputWithDevice:error:方法。

捕捉的输出

AVCaptureOutput是一个抽象基类，用于为从捕捉会话得到的数据输入到目的地。应使用这个类的一些派生类如：AVCaptureStillImageOuptut、AVCaptureMovieFileOutput等。

捕捉预览

AVCaptureVideoPreviewLayer可满足在捕捉时的实时预览，类似于AVPlayerLayer的角色，支持重力概念，可控制视频内容渲染和缩放、拉伸效果。基本类的关系图如下所示：

视频捕捉

创建捕捉会话

创建捕捉会话及添加相关设备的基础代码如下所示：

当我们需要开始或停止捕捉的时候，使用AVCaptureSession的startRunning和stopRunning方法即可。

坐标转换

对于iPhone来说，屏幕的左上角为(0, 0)，右下角为(320, 568)，但是对于捕捉设备如摄像头来说，通常水平方向不支持旋转，并且左上角为(0, 0)，右下角为(1, 1)，那我们如何进行坐标转换呢？

在iOS6之后的版本，AVCaptureVideoPreviewLayer定义了两个转换方法：

• captureDevicePointOfInterestForPoint: 获取屏幕坐标系中的CGPoint数据，返回转换得到的设备坐标系的CGPoint数据
• pointForCaptureDevicePointOfInterest: 获取输入设备的CGPoint数据，返回转换得到的屏幕坐标系的CGPoint数据

摄像头切换

我们在使用iPhone自带像机的时候，点击切换相机按钮，可以自由切换前置摄像头和后置摄像头，其实实现起来也很简单，代码如下所示：

关于代码的几点说明如下：
* 首先调用devicesWithMediaType:方法，传入AVMediaTypeVideo，获取本机所有的视频输入设备
* 遍历设备，找到当前指定位置的设备
* 在配置会话之前，需要先调用beginConfiguration，标志配置的开始
* 测试设备是否可以添加到会话，如果可以的话，查询会话中的视频输入设备，并移除原来的视频输入设备，并将当前的设备添加到会话中
* 配置结束之后，需要调用commitConfiguration，标志配置的结束，提交配置
* 使用时，只需要传入AVCaptureDevicePositionFront(前置摄像头)、AVCaptureDevicePositionBack(后置摄像头)即可。

调整对焦

打开iOS系统相机，在屏幕上点击一下，可以看到相机自动对焦到我们点击的位置。实现思路如下：

1. 获取用户在相机上的点击坐标，然后根据前述方法，将坐标转换为设备坐标
2. 设置和调整焦聚焦距，方法如下：

代码很简单，说明如下：

• 首先检查设备是否支持对焦及是否支持自动对焦模式，对于iPhone手机来说，一般只有后置摄像头支持对焦。
• 如果支持对焦，需要调用lockForConfiguration: 锁定设备，进行配置
• 设置属性focusPointOfInterest对焦点为转换后的设备坐标
• 设置属性focusMode为AVCaptureFocusModeAutoFocus（自动对焦）
• 设置结束之后，需要调用unlockForConfiguration 解锁设备，提交配置。

调整曝光

iOS系统相机，不但可以点击自动对焦，而且还能点击自动调整曝光，调整曝光的代码比较繁琐，如下所示：

相关代码说明如下：

• 首先检查设备是否支持兴趣点曝光及自动连续曝光
• 锁定设备，配置exposurePointOfInterest和exposureMode属性为正确的期望值
• 判断设备是否支持锁定曝光模式，如果支持，使用KVO来监听adjustingExposure的状态，通过观察该属性值，可以知道系统调整曝光在何时完成，从而使我们在该点上锁定曝光
• 将曝光模式修改为AVCaptureExposureLocked，锁定曝光。
• 上述代码忘记了一点，在监听完成之后，我们应该移除监听器。

调整闪光灯和手电筒模式

iOS在控制中心，有一个手电筒的功能，打开之后，闪光灯会常亮，可用作手电筒，默认相机的闪光灯也有开、关、自动三种模式，调整闪光灯和手电筒的代码一样，可以设置三种模式
* AVCapture(Torch|Flash)ModeOn: 总是开启
* AVCapture(Torch|Flash)ModeOff: 总是关闭
* AVCapture(Torch|Flash)ModeAuto: 基于环境光自动调整

设置的代码，和之前的设置代码几乎一致，如下所示：

拍摄静态图片

拍摄静态图片的通用代码如下所示：

代码说明如下：

• 首先通过调用AVCaptureStillImageOutput的connectionWithMediaType:方法来获取当前AVCaptureConnection对象的指针，传递一个AVMediaType类型
• 当设备旋转时，根据旋转方向，设置视频方向，注意到当左旋转和右旋转的时候，摄像头的方向和屏幕方向是相反的
• 如果接收到一个有效的CMSampleBuffer，调用AVCaptureStillImageOutput的jpegStillImageNSDataRepresentation类方法，返回一个表示图片字节的NSData

视频录制

视频录制的基础代码如下所示：

代码说明如下：

• 首先通过调用AVCaptureMovieFileOutput的connectionWithMediaType:方法来获取当前AVCaptureConnection对象的指针，传递一个AVMediaType类型
• 检查AVCaptureMovieFileOuput的isRecording属性，确定当前状态，如果不是在录制状态，则继续
• 设置enablesVideoStabilizationWhenAvaliable，支持视频稳定可以显著提高捕捉到的视频质量
• 可以开启AVCaptureDevice的smoothAutoFocusEnabled属性，允许进行平滑对焦，减慢摄像头对焦速度，提供更自然的视频录制效果
• 调用startRecordingToOutputFileURL:recordingDelegate:方法，开始录制
• 可调用stopRecording方法来停止视频录制

高级捕捉功能

视频缩放

在iOS 7之前，苹果通过AVCaptureConnection的videoScaleAndCropFactor属性对摄像头缩放进行了有限制的支持。开发者可通过调整连接缩放的值从默认的1.0增加到videoMaxScaleAndCropFactor。但此属性使用非常麻烦，而且只能用于AVCaptureStillImageOutput中，这就导致了视频无法应用。iOS 7之后，AVCaptureDevice提供了videoZoomFactor属性，用于控制捕捉设备的缩放等级。其最小值为1.0, 最大值是由捕捉设备的activeFormat值确定，它是AVCaptureDeviceFormat实例，包括属性videoMaxZoomFactor。

是否支持缩放

在操作之前，首先应该确定捕捉设备是否支持缩放，如下所示：

缩放实现

缩放实现的代码和前述代码基本一致，如下所示：

上述代码不需要多解释，至于设备zoomFactor为指数形式，按照书上的说法，是这样可以提供线性增长的感觉。

设置videoZoomFactor属性会立即调整缩放级别，如果希望在一个时间段内将缩放级别从一个值逐渐调整为另一个值，写法类似以下代码：

其他rate，表示每秒增加缩放因子一倍。速率值通常介于1.0 至 3.0之间。

人脸检测

使用iOS系统相机，当视图中有人脸进入时会自动建立相应的焦点，一个黄色的矩形框会显示在检测到的人脸位置，并自动对焦，AVFoundation也提供了类似的功能。支持10个人脸的实时检测。

苹果首次提供人脸检测功能是在CoreImage框架中的CIDetector和CIFaceFeature两个对象，而AVFoundation中，则由AVCaptureMetadataOutput提供，它输出元数据，当使用人脸检测时，输入的具体对象是AVMetadataFaceObject。

AVMetadataFaceObject

AVMetadataFaceObject对象定义了多个用于描述检测到人脸的属性，其中最重要的一个属性是人脸的边界，它是一个设备坐标。另外还有用于检测人脸倾斜角度和偏转角度的属性rollAngle/yawAngle。

添加输出

添加AVCaptureMetadataOutput输出的代码如下所示：

添加时设置metadataObjectTypes为AVMetadataObjectTypeFace，并设置代理，添加到AVCaptureSession当中即可。

AVCaptureMetadataOutputObjectsDelegate

实现AVCaptureMetadataOutputObjectsDelegate当中的-captureOutput:didOutputMetadataObjects:fromConnection:方法，如下所示：

机器可读代码识别

AVFoundation另一个强大的功能就是识别机器可读代码，例如二维码等，此方面可以参考：使用AVCaptureSession扫描二维码

视频处理

之前，使用AVCaptureMovieFileOutput，可以将摄像头的捕捉写入到文件，但无法同视频数据进行交互，如果要实现此功能，就要使用AVCaptureVideoDataOutput。它可以直接访问摄像头传感器捕捉到的视频帧。这样，我们可以完全控制视频数据的格式、时间和元数据。使用AVCaptureVideoDataOutput与前述AVCaptureMetadataOutput基本类似，不同的是AVCaptureVideoDataOutput需要通过AVCaptureVideoDataOutputSampleBufferDelegate协议输出，其中的方法如下：

• -captureOutput:didOutputSampleBuffer:fromConnection: 每当有一个新的视频帧写入时，该方法就会被调用。
• -captureOutput:didDropSampleBuffer:fromConnection: 每当一个迟到的视频帧被丢弃时，该方法就会被调用。

CMSampleBuffer

CMSampleBuffer是一个由CoreMedia框架提供的对象，用于在媒体管道中传输数字样本，CMSampleBuffer的角色是将基础的样本数据进行封闭并提供格式和时间信息，还会加上所有在转换和处理数据时用到的元数据。

样本数据灰度处理

样本数据灰度处理的示例程序如下所示：

相关说明如下：

1. 首先使用CMSampleBufferGetImageBuffer函数从CMSampleBufferRef中获取最基本的CVPixelBuffer。CVPixelBuffer在主内存中保存像素数据，提供了操作的机会。
2. 在与CVPixelBuffer数据交互之前，必须调用CVPixelBufferLockBaseAddress获取一个相应的内存块的锁
3. 使用CVPixelBufferGetWidth和CVPixelBufferGetHeight来确定像素的宽和高
4. 使用CVPixelBufferGetBaseAddress得到像素buffer的基址指针
5. 处理完毕之后，需调用CVPixelBufferUnlockBaseAddress释放锁

格式描述

除了原始媒体样本本身之外，CMSampleBuffer还提供了CMFormatDescription对象的形式来访问样本的格式信息，下面请看使用CMFormatDescription来获取媒体类型的代码：

时间信息

CMSampleBufferRef还定义了关于媒体样本的时间信息，可分别使用CMSampleBufferGetPresentationTimeStamp和CMSampleBufferGetDecodeTimeStamp函数来提取时间信息，以得到原始的表示时间和解码时间戳。

示例

《AVFoundation开发秘藉》中有这样一个3D相机的视例，效果如下图所示：

结合OpenGLES实现，由于本人不懂OpenGL代码，所以只能照搬书上的代码：

和前述一样，在captureOutput:didOutputSampleBuffer:fromConnection: 中拿到CMSampleBufferRef，并从中取得相关数据，然后贴图到创建的立方体中。

资源的读取与写入

AVCaptureVideoDataOutput虽然使我们能够与视频底层样本数据做交互，但却无法像AVCaptureMovieFileOutput一样，能将视频写入到文件。但如果我们需要这么做，又该怎么办呢？答案就是使用AVAssetReader和AVAssetWriter。

AVAssetReader

AVAssetReader用于从AVAsset中读取媒体样本数据，通常会配置一个或多个AVAssetReaderOutput实例，并通过copyNextSampleBuffer方法来访问音频样本和视频帧。

AVAssetWriter

AVAssetWriter用于对媒体资源数据进行编码并写入到容器文件。它由一个或多个AVAssetWriterInput对象配置。

将媒体写入磁盘有两种方式，一种是按顺序写入，需要将所有的样本全部捕捉好，然后再写入，这会导致数据的低效率排列，另一种更好的方法是使用交错模式，AVAssetWriterInput提供一个readyForMoreMediaData来指示在保持所需要的交错情况下是否还可以附加更多数据。

AVAssetWriter可用于实时操作和离线操作两种情况：

• 实时：当处理实时资源时，比如从AVCaptureVideoDataOutput写入捕捉的样本时，AVAssetWriterInput应令expectsMediaDataInRealTime为YES来确保readyForMoreMediaData的值被正确计算。
• 离线：当从离线资源读取资源时，如从AVAssetReader读取样本，在附加样本数据时仍需要观察readyForMoreMediaData属性，但可用requestMediaDataWhenREadyOnQueue:usingBlock:来控制数据的提供。

读写示例

下面通过基础实例学习在一个离线场景中如何使用AVAssetReader和AVAssetWriter。

读取

上述代码中，创建AVAssetReader，传递读取的AVAsset实例，创建一个AVAssetReaderTrackOutput，从资源的视频轨道中读取样本，将压缩为BGRA格式，添加输出到读取器，并调用startReading开始读取。

离线写入

示例中创建了一个新的AVAssetWriter对象，并传递一个新文件写入输出目的URL和文件类型，创建一个新的AVAssetWriterInput，它带有相应的媒体类型和输出设置，创建一个720p H.264格式的视频，添加输入到写入器，并调用startWriting准备开始写入，如果可以写入，调用startSessionAtSourceTime启动会话，然后再调用requestMediaDataWhenReadyOnQueue:usingBlock: 从输出入拿取数据并写入。写入完成之后，调用markAsFinished标记写入完成，最后调用finishWritingWithCompletionHandler:处理写入完成之后的流程。

实时写入

实时写入的基础代码如上所示，说明如下：

1. 这个方法处理音频和视频两类样本，通过CMFormatDescription来确定样本类型
2. 如果处理的是第一个样本，则调用AVAssetWriter的startWriting和startSessionAtSourceTime启动一个新的写入会话
3. 如果视频输入的readyForMoreMediaData属性为YES，则将像素buffer连同CMTime附加到AVAssetWriterPixelBufferAdaptor。
4. 如果处理的是音频数据，则询问音频AVAssetWriterInput是否准备接收更多数据，如果可以，将数据添加到输入。
5. 写入完成之后，调用finishWritingWithCompletionHandler:将数据写入磁盘并处理后续流程。
6. videoSettings 和 audioSettings 可以使用AVCaptureVideoDataOutput和AVCaptureAudioDataOutput的方法。

- (NSDictionary *)recommendedVideoSettingsForAssetWriterWithOutputFileType:(NSString *)outputFileType;

- (NSDictionary *)recommendedAudioSettingsForAssetWriterWithOutputFileType:(NSString *)outputFileType;