利用ffmpeg一步一步编程实现摄像头采集编码推流直播系统

了解过ffmpeg的人都知道，利用ffmpeg命令即可实现将电脑中摄像头的画面发布出去，例如发布为UDP，RTP，RTMP等，甚至可以发布为HLS，将m3u8文件和视频ts片段保存至Web服务器，普通的播放器就可以直接播放他们。

的确，但是，但是作为一个技术爱好者，相信大家都是对里面的机制与原理是感兴趣的，我们希望通过我们写代码来实现它。另外，ffmpeg命令发布出来的摄像头画面我们似乎要加一些水印、显示一些自定义的文字，可能就不是那么灵活了。举个例子来说，我们想画面中主要画面是电脑桌面，左上角显示摄像头的画面，相信现有的ffmpeg命令实现不了了吧！那有什么办法吗？答案是肯定的，假如我们找到ffmpeg中采集视频的部分，把采集到的画面替换成我们需要的不就行了吗？即我们抓一下桌面画面，再抓一下摄像头画面，然后通过一定的缩放叠加在一块就行了。

讲到这里，我们就有一个目的了，想想刚才我们的设想，我们可以想到ffmpeg中的一个功能，将电脑桌面的画面保存到文件中（当然也可以发布到网络中），这个功能是不是和我们的需求特别相像，通过百度，我们可以得到以下一段代码：

AVFormatContext *pFormatCtx = avformat_alloc_context();  
AVInputFormat *ifmt=av_find_input_format("gdigrap");  
avformat_open_input(&pFormatCtx, 0, ifmt,NULL);

通过以上代码我们可以打开一个设备gdigrap(录制windows桌面)，打开后，我们就可以从中一帧一帧地读出画面了，我们在libavdevice目录中可以找到一个叫gdigrap.c的文件，里面实现了ffmpeg一个设备的基本实现，结构如下：

/** gdi grabber device demuxer declaration */
AVInputFormat ff_gdigrab_demuxer = {
    .name           = "gdigrab",
    .long_name      = NULL_IF_CONFIG_SMALL("GDI API Windows frame grabber"),
    .priv_data_size = sizeof(struct gdigrab),
    .read_header    = gdigrab_read_header,
    .read_packet    = gdigrab_read_packet,
    .read_close     = gdigrab_read_close,
    .flags          = AVFMT_NOFILE,
    .priv_class     = &gdigrab_class,
};

注意红色部分的三个方法，就是该设备的开启、读数据、关闭，简单地扫描一下三个方法的代码，里面的代码还是比较简单，就是一些DC的操作（熟悉windows窗口绘图相关知识的应该了解）,读到这，我们就有思路了，我们可以模仿这个文件来实现我们想要的，考虑到这个文件是编译到ffmpeg库的，所以我们希望不破坏ffmpeg的框架的情况下，增加几个接口（或者说回调），当打开设备时，回调一下我们的接口，当读画面的时候，回调一下我们的接口，当关闭设备时，也回调一下我们的接口，这样实际上我们新写的这个C文件只是一个架子，里面的具体实现交给外部使用者，所以我们定义以下三个接口：

typedef int (*fnVideoCapInitCallback)(int index, int width, int height, int framerate);
typedef int (*fnVideoCapReadCallback)(int index, unsigned char *buff, int len, int width, int height, int framerate, int format);
typedef int (*fnVideoCapCloseCallback)(int index);

void av_setVideoCapInitCallback(fnVideoCapInitCallback callback);
void av_setVideoCapReadCallback(fnVideoCapReadCallback callback);
void av_setVideoCapCloseCallback(fnVideoCapCloseCallback callback);

下面是实现结构体中的三个方法的具体实现：

static int mygrab_read_header(AVFormatContext *s1)
{
    struct mygrab *mygrab = s1->priv_data;
	AVStream   *st       = NULL;
	int ret = 0;
	printf("call mygrab_read_header\n");
	if(mygrab->width <= 0 || mygrab->height <= 0){
		av_log(s1, AV_LOG_ERROR, "video size (%d %d) is invalid\n", mygrab->width, mygrab->height);
		return -1;
	}
	
	st = avformat_new_stream(s1, NULL);
	if (!st) { 
		ret = AVERROR(ENOMEM);
		return -1; 
	}
	printf("avpriv_set_pts_info\n");
	avpriv_set_pts_info(st, 64, 1, 1000000); /* 64 bits pts in us */
	if(mygrab->framerate.num <= 0 || mygrab->framerate.den <= 0 ){
		av_log(s1, AV_LOG_WARNING, "not set framerate set default framerate\n");
		mygrab->framerate.num = 10;
		mygrab->framerate.den = 1;
	}
	
	mygrab->time_base   = av_inv_q(mygrab->framerate);	
	mygrab->time_frame  = av_gettime() / av_q2d(mygrab->time_base);
	mygrab->frame_size = mygrab->width * mygrab->height * 3/2;
	st->codec->codec_type = AVMEDIA_TYPE_VIDEO;
	st->codec->codec_id = AV_CODEC_ID_RAWVIDEO;
	st->codec->pix_fmt = AV_PIX_FMT_YUV420P;//AV_PIX_FMT_RGB24;
	st->codec->width = mygrab->width;
	st->codec->height = mygrab->height; 
	st->codec->time_base = mygrab->time_base;
	st->codec->bit_rate = mygrab->frame_size * 1/av_q2d(st->codec->time_base) * 8;

	if(s_videoCapInitCallback != NULL){
		av_log(s1, AV_LOG_INFO, "video size (%d %d) frameRate:%d\n", st->codec->width, st->codec->height, mygrab->framerate.num/mygrab->framerate.den);
		s_videoCapInitCallback(0, st->codec->width, st->codec->height, mygrab->framerate.num/mygrab->framerate.den);
		return 0;
	}

	av_log(s1, AV_LOG_ERROR, "video cap not call av_setVideoCapInitCallback\n");
	return -1;
	
}

static int mygrab_read_packet(AVFormatContext *s1, AVPacket *pkt)
{
    struct mygrab *s = s1->priv_data;
	int64_t curtime, delay;
	/* Calculate the time of the next frame */ 
	s->time_frame += INT64_C(1000000);

	/* wait based on the frame rate */
    for(;;) {
        curtime = av_gettime();
        delay = s->time_frame * s->time_base.num / s->time_base.den - curtime;
        if (delay <= 0) {
            if (delay < INT64_C(-1000000) * s->time_base.num / s->time_base.den) {
                /* printf("grabbing is %d frames late (dropping)\n", (int) -(delay / 16666)); */
                s->time_frame += INT64_C(1000000);
            }
            break;
        }
        av_usleep(delay);
    }
	if (av_new_packet(pkt, s->frame_size) < 0)  return AVERROR(EIO);
	
	pkt->pts = curtime;
	if(s_videoCapReadCallback != NULL){
		s_videoCapReadCallback(0, pkt->data, pkt->size, s->width, s->height, s->framerate.num/s->framerate.den, AV_PIX_FMT_YUV420P);
		return pkt->size;
	}
	av_log(s1, AV_LOG_ERROR, "video cap not call av_setVideoCapReadCallback\n");
	return 0;
}


static int mygrab_read_close(AVFormatContext *s1)
{
    //struct mygrab *s = s1->priv_data;
	if(s_videoCapCloseCallback != NULL){
		s_videoCapCloseCallback(0);
	}
    return 0;
}

然后我们在alldevices.c里注册我们的自定义设备，后面我们使用设备时就可以通过名字调用到我们刚才新建mygrab.c的逻辑了，即在

void avdevice_register_all(void)
{
	......
	REGISTER_INDEV   (MYGRAB,          mygrab);
	......
}

同理，新建myoss.c实现声音的自定义处理采集，这样，我们就新增加了六个接口了，为了保持接口的简洁性，我们将六个接口合并为一个接口，即

void av_setVideoAudioCapCallbacks(fnVideoCapInitCallback callback1,fnVideoCapReadCallback callback2,fnVideoCapCloseCallback callback3
		,fnAudioCapInitCallback callback4,fnAudioCapReadCallback callback5,fnAudioCapCloseCallback callback6);

重新编译ffmpeg就支持我们的自定义视频采集、音频采集功能了，非常的灵活，比如我们要使用这些功能，一般就会写下下面几行代码：

av_setVideoAudioCapCallbacks(..,..,..,..,..,..,..); //将回调注册进去
AVFormatContext *pFormatCtx = avformat_alloc_context();  
AVInputFormat *ifmt=av_find_input_format("mygrap");  
avformat_open_input(&pFormatCtx, 0, ifmt,NULL); //打开自定义视频设备


AVFormatContext *pFormatCtx = avformat_alloc_context();  
AVInputFormat *ifmt=av_find_input_format("myoss");  
avformat_open_input(&pFormatCtx, 0, ifmt,NULL);//打开自定义音频设备

然后按照操作其它设备一样的操作方法，第一步中设置的回调就会依次去调用了。通过上面的折腾，我们为后面的视频的采集音频的采集打好了基础，并且使用时不需要再进行麻烦的编译，专注于我们的回调的实现就好。
ffmpeg库编好了，就要开始实现我们最主要的摄像头采集编码推流了，我们注意到ffmpeg中有一个比较好的参考例子，叫做muxing.c，这个文件实现了将画面和声音保存为一个视频的功能，因此我们可以在这个文件的基础上实现我们的功能，muxing.c里的画面和声音是通过代码来生成的，换成从摄像头和声卡采集就行了，当然我们肯定不是在里面去简单地加代码，要不然上面这么大的折腾就没有意义了，我们要用上上面两个自定义的设备，然后从设备里读数据。
做好了以上的几个步骤，相信就可以把摄像头的视频和声音保存为mp4等文件了。
这已经离发布到网络上很近了，因此要使视频不保存在文件中，而是发布到网络上，只要改几行代码就可以了，例如以下是发布为HLS，RTMP，FILE三个方法：

if(type == TYPE_HLS){
		sprintf(filename, "%s\\playlist.m3u8", szPath);
		avformat_alloc_output_context2(&oc, NULL, "hls", filename);


	}else if(type == TYPE_RTMP){
		sprintf(filename, "%s", szPath);
		avformat_alloc_output_context2(&oc, NULL, "flv", filename);
	}else if(type == TYPE_FILE){
		sprintf(filename, "%s", szPath);
		avformat_alloc_output_context2(&oc, NULL, NULL, filename);
	}

这样，我们就可以把我们的直播发布到网络中了，这里，我们再搭建一个流媒体服务器，将流推向这个服务器，比如red5,下载一个vlc或者ffplay就可以用来播放它了，这样一个完整的直播系统就编码实现好了，并且直播中的画面是任由我们发挥的，不光是摄像头画面，看想象力了。

以下是用MFC作出的一个摄像头采集直播Demo，电脑浏览器通过web测试页，手机PAD通过VLC等播放器就可以实时地查看，值得一提的是，web测试页中的延时比较小，如果用播放器来播放延时比较大，这是因为web测试页中的flash将rtmp的缓存设置成最小，而第三方播放器播放有一个缓存，而且相对比较大。

另外，Demo中摄像头采集是用的opencv，这是由于opencv对图像这一块处理比较方便，可以很方便地在图像中增加文字，反转，变换等。
以上所述的所有源码，可以在我的个人网站http://www.creater.net.cn/softwaredesign.html中获取