【Android 音视频开发打怪升级：FFmpeg 音视频编解码篇】三、Android FFmpeg视频解码播放...

教程代码：https://github.com/ChenLittlePing/LearningVideo

目

录

一、Android音视频硬解码篇：

• 1，音视频基础知识

• 2，音视频硬解码流程：封装基础解码框架

• 3，音视频播放：音视频同步

• 4，音视频解封和封装：生成一个MP4

二、使用OpenGL渲染视频画面篇

• 1，初步了解OpenGL ES

• 2，使用OpenGL渲染视频画面

• 3，OpenGL渲染多视频，实现画中画

• 4，深入了解OpenGL之EGL

• 5，OpenGL FBO数据缓冲区

• 6，Android音视频硬编码：生成一个MP4

三、Android FFmpeg音视频解码篇

• 1，FFmpeg so库编译

• 2，Android 引入FFmpeg

• 3，Android FFmpeg视频解码播放

• 4，Android FFmpeg＋OpenSL ES音频解码播放

• 5，Android FFmpeg＋OpenGL ES播放视频

• 6，Android FFmpeg简单合成MP4：视屏解封与重新封装

• 7，Android FFmpeg视频编码

本文你可以了解到

基于 FFmpeg 4.x 的音视频解码流程，重点讲解如何实现视频的播放。

前言

Hi～ 距离上篇文章更新也有段时间了，让大家久等了！

本文很长，因为可能有比较多的小伙伴对 JNI C/C++ 不是很熟悉，所以本文比较详细的对 FFmpeg 用到的代码进行讲解，完整的演示了一遍 FFmpeg 的解码和渲染过程，并且对解码过程进行了封装。

为了方便讲解和阅读理解，代码采取分块的方式进行讲解，也就是说，不会直接将整个类的内容完整的贴出来。

但是每部分代码都会在开头注明是属于那个文件，哪个类的。如果想要看完整的代码，请直接查看 【Github 仓库: https://github.com/ChenLittlePing/LearningVideo】。

本文需要 C/C++ 基础知识，对 C/C++ 不熟悉的可以查看本人的另一篇文章：【Android NDK入门：C++基础知识】。

给自己点耐心

相信看完后可以对 FFmpeg 解码有可观的理解。

一、FFmpeg 相关库简介

在 上一篇文章 中，把 FFmpeg 相关的库都引入到 Android 工程中了，有以下几个库：

库	介绍
avcodec	音视频编解码核心库
avformat	音视频容器格式的封装和解析
avutil	核心工具库
swscal	图像格式转换的模块
swresampel	音频重采样
avfilter	音视频滤镜库 如视频加水印、音频变声
avdevice	输入输出设备库，提供设备数据的输入与输出

FFmpeg 就是依靠以上几个库，实现了强大的音视频编码、解码、编辑、转换、采集等能力。

二、FFMpeg 解码流程简介

在前面的系列文章中，利用了 Android 提供的原生硬解码能力，使用实现了视频的解码和播放。

总结起来有以下的流程：

• 初始化解码器

• 读取 Mp4 文件中的编码数据，并送入解码器解码

• 获取解码好的帧数据

• 将一帧画面渲染到屏幕上

FFmpeg 解码无非也就是以上过程，只不过 FFmpeg 是利用 CPU 的计算能力来解码而已。

1. FFmpeg 初始化

FFmpeg 初始化的流程相对 Android 原生硬解码来说还是比较琐碎的，但是流程都是固定的，一旦封装起来就可以直接套用了。

首先来看一下初始化的流程图

其实就是根据待解码文件的格式，进行一系列参数的初始化。

其中，有几个 结构体 比较重要，分别是 AVFormatContext(format_ctx)、AVCodecContext(codec_ctx)、AVCodec(codec)

结构体 ：FFmpeg 是基于 C 语言开发的，我们知道 C 语言是面向过程的语言，也就是说不像 C++有类来封装内部数据。但是 C 提供了结构体，可以用来实现数据的封装，达到类似于类的效果。

• AVFormatContext：隶属于 avformat 库，存放这码流数据的上下文，主要用于音视频的 封装 和 解封。

• AVCodecContext：隶属于 avcodec 库，存放编解码器参数上下文，主要用于对音视频数据进行 编码 和 解码。

• AVCodec：隶属于 avcodec 库，音视频编解码器，真正编解码执行者。

2. FFmpeg 解码循环

同样的，通过一个流程图来说明具体解码过程：

在初始化完 FFmpeg 后，就可以进行具体的数据帧解码了。

从上图可以看到，FFmpeg 首先将数据提取为一个 AVPacket（avpacket），然后通过解码，将数据解码为一帧可以渲染的数据，称为 AVFrame（frame）。

同样的，AVPacket 和 AVFrame 也是两个结构体，里面封装了具体的数据。

三、封装解码类

有了以上对解码流程的了解，就可以根据上面的 流程图 来编写代码了。

根据以往的经验，既然 FFmepg 的初始化和解码流程都是一些琐碎重复的工作，那么我们必然是要对其进行封装的，以便更好的复用和拓展。

解码流程封装

1. 定义解码状态： decode_state.h

在 src/main/cpp/media/decoder 目录上，右键 New -> C++ Header File，输入 decode_state

//decode_state.h


#ifndef LEARNVIDEO_DECODESTATE_H
#define LEARNVIDEO_DECODESTATE_H


enum DecodeState {
    STOP,
    PREPARE,
    START,
    DECODING,
    PAUSE,
    FINISH
};


#endif //LEARNVIDEO_DECODESTATE_H

这是一个枚举，定义了解码器解码的状态

2. 定义解码器的基础功能：i_decoder.h:

在 src/main/cpp/media/decoder 目录上，右键 New -> C++ Header File，输入 i_decoder。

// i_decoder.h


#ifndef LEARNVIDEO_I_DECODER_H
#define LEARNVIDEO_I_DECODER_H


class IDecoder {
public:
    virtual void GoOn() = 0;
    virtual void Pause() = 0;
    virtual void Stop() = 0;
    virtual bool IsRunning() = 0;
    virtual long GetDuration() = 0;
    virtual long GetCurPos() = 0;
};

这是一个纯虚类，类似 Java 的 interface（具体可查看 Android NDK入门：C++ 基础知识），定义了解码器该有的基础方法。

3. 定义一个解码器基础类 base_decoder

在 src/main/cpp/media/decoder 目录上，右键 New -> C++ Class 输入 base_decoder ，该类用于封装解码中最基础的流程。

会生成两个文件：base_decoder.h、base_decoder.cpp。

• 定义头文件：base_decoder.h

//base_decoder.h


#ifndef LEARNVIDEO_BASEDECODER_H
#define LEARNVIDEO_BASEDECODER_H


#include 
#include 
#include 
#include "../../utils/logger.h"
#include "i_decoder.h"
#include "decode_state.h"


extern "C" {
#include 
#include 
#include 
#include 
};


class BaseDecoder: public IDecoder {


private:


    const char *TAG = "BaseDecoder";


    //-------------定义解码相关------------------------------
    // 解码信息上下文
    AVFormatContext *m_format_ctx = NULL;


    // 解码器
    AVCodec *m_codec = NULL;


    // 解码器上下文
    AVCodecContext *m_codec_ctx = NULL;


    // 待解码包
    AVPacket *m_packet = NULL;


    // 最终解码数据
    AVFrame *m_frame = NULL;


    // 当前播放时间
    int64_t m_cur_t_s = 0;


    // 总时长
    long m_duration = 0;


    // 开始播放的时间
    int64_t m_started_t = -1;


    // 解码状态
    DecodeState m_state = STOP;


    // 数据流索引
    int m_stream_index = -1;
    
    // 省略其他
    
    // ......
    
}

注意：在引入 FFmpeg 相关库的头文件时，需要注意把 #include 放到 extern "C" {} 中。因为 FFmpeg 是 C 语言写的，所以在引入到 C++ 文件中的时候，需要标记以 C 的方式来编译，否则会导致编译出错。

在头文件中，先声明在 .cpp 需要用到的相关变量，重点就是上一节提到的几个解码相关的结构体。

• 定义初始化和解码循环相关的方法：

//base_decoder.h


class BaseDecoder: public IDecoder {


private:


    const char *TAG = "BaseDecoder";


    //-------------定义解码相关------------------------------
    //省略....
    
    //-----------------私有方法------------------------------


    /**
     * 初始化FFMpeg相关的参数
     * @param env jvm环境
     */
    void InitFFMpegDecoder(JNIEnv * env);


    /**
     * 分配解码过程中需要的缓存
     */
    void AllocFrameBuffer();


    /**
     * 循环解码
     */
    void LoopDecode();


    /**
     * 获取当前帧时间戳
     */
    void ObtainTimeStamp();


    /**
     * 解码完成
     * @param env jvm环境
     */
    void DoneDecode(JNIEnv *env);


    /**
     * 时间同步
     */
    void SyncRender();
    
    // 省略其他
    
    // ......
    
}

• 这个解码基础类继承自 i_decoder，还需要实现其中规定的通用方法。

//base_decoder.h


class BaseDecoder: public IDecoder {


    //省略其他
    
    //......


public:


    //--------构造方法和析构方法-------------
    
    BaseDecoder(JNIEnv *env, jstring path);
    virtual ~BaseDecoder();


    //--------实现基础类方法-----------------


    void GoOn() override;
    void Pause() override;
    void Stop() override;
    bool IsRunning() override;
    long GetDuration() override;
    long GetCurPos() override;
}

• 定义解码线程

我们知道，解码是一个非常耗时的操作，就像原生硬解一样，我们需要开启一个线程来承载解码任务。所以，先在头文件中定义好线程相关的变量和方法。

//base_decoder.h


class BaseDecoder: public IDecoder {


private:


    //省略其他
    
    //......
    
    // -------------------定义线程相关-----------------------------
    // 线程依附的JVM环境
    JavaVM *m_jvm_for_thread = NULL;


    // 原始路径jstring引用，否则无法在线程中操作
    jobject m_path_ref = NULL;


    // 经过转换的路径
    const char *m_path = NULL;


    // 线程等待锁变量
    pthread_mutex_t m_mutex = PTHREAD_MUTEX_INITIALIZER;
    pthread_cond_t m_cond = PTHREAD_COND_INITIALIZER;
    
    
    /**
     * 新建解码线程
     */
    void CreateDecodeThread();


    /**
     * 静态解码方法，用于解码线程回调
     * @param that 当前解码器
     */
    static void Decode(std::shared_ptr that);
    
protected:
    
    /**
     * 进入等待
     */
    void Wait(long second = 0);


    /**
     * 恢复解码
     */
    void SendSignal();


}

• 定义子类需要实现的虚函数

//base_decoder.h


class BaseDecoder: public IDecoder {
protected:


    /**
     * 子类准备回调方法
     * @note 注：在解码线程中回调
     * @param env 解码线程绑定的JVM环境
     */
    virtual void Prepare(JNIEnv *env) = 0;


    /**
     * 子类渲染回调方法
     * @note 注：在解码线程中回调
     * @param frame 视频：一帧YUV数据；音频：一帧PCM数据
     */
    virtual void Render(AVFrame *frame) = 0;


    /**
     * 子类释放资源回调方法
     */
    virtual void Release() = 0;
    
}

以上，就定义好了解码类的基础结构：

• FFmpeg 解码相关的结构体参数

• 解码器基本方法

• 解码线程

• 规定子类需要实现的方法

4. 实现基础解码器

在 base_decoder.cpp 中，实现头文件中声明的方法

• 初始化解码线程

// base_decoder.cpp


#include "base_decoder.h"
#include "../../utils/timer.c"


BaseDecoder::BaseDecoder(JNIEnv *env, jstring path) {
    Init(env, path);
    CreateDecodeThread();
}


BaseDecoder::~BaseDecoder() {
    if (m_format_ctx != NULL) delete m_format_ctx;
    if (m_codec_ctx != NULL) delete m_codec_ctx;
    if (m_frame != NULL) delete m_frame;
    if (m_packet != NULL) delete m_packet;
}


void BaseDecoder::Init(JNIEnv *env, jstring path) {
    m_path_ref = env->NewGlobalRef(path);
    m_path = env->GetStringUTFChars(path, NULL);
    //获取JVM虚拟机，为创建线程作准备
    env->GetJavaVM(&m_jvm_for_thread);
}


void BaseDecoder::CreateDecodeThread() {
    // 使用智能指针，线程结束时，自动删除本类指针
    std::shared_ptr that(this);
    std::thread t(Decode, that);
    t.detach();
}

构造函数很简单，传入 JNI 环境变量，以及待解码文件路径。

在 Init 方法中，因为 jstring 并非 C++ 的标准类型，需要将 jstring 类型的 path 转换为 char 类型，才能使用。

说明：由于 JNIEnv 和 线程 是一一对应的，也就是说，在 Android 中，JNI环境 是和线程绑定的，每一个线程都有一个独立的 JNIEnv 环境，并且互相之间不可访问。所以如果要在新的线程中访问 JNIEnv，需要为这个线程创建一个新的 JNIEnv 。

在 Init 方法的最后，通过 env->GetJavaVM(&m_jvm_for_thread) 获取到 JavaVM 实例，保存到 m_jvm_for_thread，该实例是所有共享的 ，通过它就可以为解码线程获取一个新的 JNIEnv 环境。

在 C++ 中创建线程非常简单，只需两句话，就可以启动一个线程：

std::thread t(静态方法, 静态方法参数);t.detach();

也就是说，这个线程需要一个静态方法作为参数，启动以后，会回调这个静态方法，并且可以给这个静态方法传递参数。

另外，CreateDecodeThread 方法中的第一代码，是用于创建一个智能指针。

我们知道， C++ new 出来的指针对象是需要我们手动 delete 删除的，否则就会出现内存泄漏。而智能指针的作用就是帮我们实现内存管理。

当这个指针的引用计数为 0 时，就会自动销毁。也就是说，不需要我们自己去手动 delete 。

std::shared_ptr that(this);

这里将 this 封装成名为 that 的智能指针，那么在外部使用解码器的时候，就不需要手动释放内存了，当解码线程退出的时候，会自动销毁，并调用析构函数。

• 封装解码流程

// base_decoder.cpp


void BaseDecoder::Decode(std::shared_ptr that) {
    JNIEnv * env;


    //将线程附加到虚拟机，并获取env
    if (that->m_jvm_for_thread->AttachCurrentThread(&env, NULL) != JNI_OK) {
        LOG_ERROR(that->TAG, that->LogSpec(), "Fail to Init decode thread");
        return;
    }


    // 初始化解码器
    that->InitFFMpegDecoder(env);
    // 分配解码帧数据内存
    that->AllocFrameBuffer();
    // 回调子类方法，通知子类解码器初始化完毕
    that->Prepare(env);
    // 进入解码循环
    that->LoopDecode();
    // 退出解码
    that->DoneDecode(env);


    //解除线程和jvm关联
    that->m_jvm_for_thread->DetachCurrentThread();


}

在 base_decoder.h 头文件声明中， Decode 是一个静态的成员方法。

首先为解码线程创建了 JNIEnv ，失败则直接退出解码。

以上 Decode 方法中就是分步调用对应的方法，很简单，看注释即可。

接下来看具体的分步调用的内容。

• 初始化解码器

void BaseDecoder::InitFFMpegDecoder(JNIEnv * env) {
    //1，初始化上下文
    m_format_ctx = avformat_alloc_context();


    //2，打开文件
    if (avformat_open_input(&m_format_ctx, m_path, NULL, NULL) != 0) {
        LOG_ERROR(TAG, LogSpec(), "Fail to open file [%s]", m_path);
        DoneDecode(env);
        return;
    }


    //3，获取音视频流信息
    if (avformat_find_stream_info(m_format_ctx, NULL) < 0) {
        LOG_ERROR(TAG, LogSpec(), "Fail to find stream info");
        DoneDecode(env);
        return;
    }


    //4，查找编解码器
    //4.1 获取视频流的索引
    int vIdx = -1;//存放视频流的索引
    for (int i = 0; i < m_format_ctx->nb_streams; ++i) {
        if (m_format_ctx->streams[i]->codecpar->codec_type == GetMediaType()) {
            vIdx = i;
            break;
        }
    }
    if (vIdx == -1) {
        LOG_ERROR(TAG, LogSpec(), "Fail to find stream index")
        DoneDecode(env);
        return;
    }
    m_stream_index = vIdx;
    
    //4.2 获取解码器参数
    AVCodecParameters *codecPar = m_format_ctx->streams[vIdx]->codecpar;
    
    //4.3 获取解码器
    m_codec = avcodec_find_decoder(codecPar->codec_id);


    //4.4 获取解码器上下文
    m_codec_ctx = avcodec_alloc_context3(m_codec);
    if (avcodec_parameters_to_context(m_codec_ctx, codecPar) != 0) {
        LOG_ERROR(TAG, LogSpec(), "Fail to obtain av codec context");
        DoneDecode(env);
        return;
    }


    //5，打开解码器
    if (avcodec_open2(m_codec_ctx, m_codec, NULL) < 0) {
        LOG_ERROR(TAG, LogSpec(), "Fail to open av codec");
        DoneDecode(env);
        return;
    }


    m_duration = (long)((float)m_format_ctx->duration/AV_TIME_BASE * 1000);


    LOG_INFO(TAG, LogSpec(), "Decoder init success")
}

看起来好像很复杂，实际上套路都是一样的，一开始看会感到不适应，主要是因为这些方法是面向过程的调用方法，和平时使用的面向对象语言使用习惯不太一样。

举个例子：

上面代码中，打开文件的方法是这样的：

avformat_open_input(&m_format_ctx, m_path, NULL, NULL);

而如果是面向对象的话，代码通常是这样的：

// 注意：以下为伪代码，仅用于举例说明


m_format_ctx.avformat_open_input(m_path);

那么怎么理解 C 中的这种面向过程的调用呢？

我们知道 m_format_ctx 是结构体，封装了具体的数据，那么 avformat_open_input 这个方法其实就是操作这个结构体的方法，不同的方法调用，是对结构体中不同数据的操作。

具体流程请看上面的注释，不在细说，其实就是第一节中 【初始化流程图】 中步骤的实现。

有两点需要注意的：

1. FFmpeg 中带有 alloc 字样的方法，通常只是初始化对应的结构体，但是具体的参数和数据缓存区，一般都要经过另外方法的初始化才能使用，

比如 m_format_ctx,  m_codec_ctx ：

m_format_ctx = avformat_alloc_context();
// 初始化流信息
avformat_open_input(&m_format_ctx, m_path, NULL, NULL)


-------------------------------------------------------


// 创建
m_codec_ctx = avcodec_alloc_context3(m_codec);
//初始化具体内容
avcodec_parameters_to_context(m_codec_ctx, codecPar);

1. 关于代码中注释的第 4 点

我们知道音视频数据通常封装在不同的轨道中，所以，要想获取到正确的音视频数据，就需要先获取到对应的索引。

音视频的数据类型，通过虚函数 GetMediaType() 获取，具体实现是在子类中，分别为：

视频：AVMediaType.AVMEDIA_TYPE_VIDEO

音频：AVMediaType.AVMEDIA_TYPE_AUDIO

• 创建待解码和解码数据结构

// base_decoder.cpp


void BaseDecoder::AllocFrameBuffer() {
    // 初始化待解码和解码数据结构
    // 1）初始化AVPacket，存放解码前的数据
    m_packet = av_packet_alloc();
    // 2）初始化AVFrame，存放解码后的数据
    m_frame = av_frame_alloc();
}

很简单，通过两个方法分配了内存，供后面解码的时候使用。

• 解码循环

// base_decoder.cpp


void BaseDecoder::LoopDecode() {
    if (STOP == m_state) { // 如果已被外部改变状态，维持外部配置
        m_state = START;
    }


    LOG_INFO(TAG, LogSpec(), "Start loop decode")
    while(1) {
        if (m_state != DECODING &&
            m_state != START &&
            m_state != STOP) {
            Wait();
            // 恢复同步起始时间，去除等待流失的时间
            m_started_t = GetCurMsTime() - m_cur_t_s;
        }


        if (m_state == STOP) {
            break;
        }


        if (-1 == m_started_t) {
            m_started_t = GetCurMsTime();
        }


        if (DecodeOneFrame() != NULL) {
            SyncRender();
            Render(m_frame);


            if (m_state == START) {
                m_state = PAUSE;
            }
        } else {
            LOG_INFO(TAG, LogSpec(), "m_state = %d" ,m_state)
            if (ForSynthesizer()) {
                m_state = STOP;
            } else {
                m_state = FINISH;
            }
        }
    }
}

可以看到，这里进入 while 死循环，其中融合了部分时间同步的代码，同步的逻辑在之前硬解的文章有详细的说明，具体参考 音视频同步。

不再细说，这里只看其中最重要的一个方法：DecodeOneFrame() 。

• 解码一帧数据

看具体代码之前，来看看 FFmpeg 是如何实现解码的，分别是三个方法：

av_read_frame(m_format_ctx, m_packet)：

从 m_format_ctx 中读取一帧解封好的待解码数据，存放在 m_packet 中；

avcodec_send_packet(m_codec_ctx, m_packet)：

将 m_packet 发送到解码器中解码，解码好的数据存放在 m_codec_ctx 中；

avcodec_receive_frame(m_codec_ctx, m_frame)：

接收一帧解码好的数据，存放在 m_frame 中。

// base_decoder.cpp


AVFrame* BaseDecoder::DecodeOneFrame() {
    int ret = av_read_frame(m_format_ctx, m_packet);
    while (ret == 0) {
        if (m_packet->stream_index == m_stream_index) {
            switch (avcodec_send_packet(m_codec_ctx, m_packet)) {
                case AVERROR_EOF: {
                    av_packet_unref(m_packet);
                    LOG_ERROR(TAG, LogSpec(), "Decode error: %s", av_err2str(AVERROR_EOF));
                    return NULL; //解码结束
                }
                case AVERROR(EAGAIN):
                    LOG_ERROR(TAG, LogSpec(), "Decode error: %s", av_err2str(AVERROR(EAGAIN)));
                    break;
                case AVERROR(EINVAL):
                    LOG_ERROR(TAG, LogSpec(), "Decode error: %s", av_err2str(AVERROR(EINVAL)));
                    break;
                case AVERROR(ENOMEM):
                    LOG_ERROR(TAG, LogSpec(), "Decode error: %s", av_err2str(AVERROR(ENOMEM)));
                    break;
                default:
                    break;
            }
            int result = avcodec_receive_frame(m_codec_ctx, m_frame);
            if (result == 0) {
                ObtainTimeStamp();
                av_packet_unref(m_packet);
                return m_frame;
            } else {
                LOG_INFO(TAG, LogSpec(), "Receive frame error result: %d", av_err2str(AVERROR(result)))
            }
        }
        // 释放packet
        av_packet_unref(m_packet);
        ret = av_read_frame(m_format_ctx, m_packet);
    }
    av_packet_unref(m_packet);
    LOGI(TAG, "ret = %d", ret)
    return NULL;
}

知道了解码过程，其他的其实就是处理异常的情况，比如：

• 解码需要等待时，则重新将数据发送到解码器，然后再取数据；

• 解码发生异常，读取下一帧数据，然后继续解码；

• 如果解码完成了，返回空数据 NULL；

最后，非常重要的是，解码完一帧数据的时候，一定要调用 av_packet_unref(m_packet); 释放内存，否则会导致内存泄漏。

• 解码完毕，释放资源

解码完毕后，需要释放所有 FFmpeg 相关的资源，关闭解码器。

还有一点要注意的是，在初始化的时候，将 jstring 转换得到的文件路径也要释放，并且要删除全局引用。

// base_deocder.cpp


void BaseDecoder::DoneDecode(JNIEnv *env) {
    LOG_INFO(TAG, LogSpec(), "Decode done and decoder release")
    // 释放缓存
    if (m_packet != NULL) {
        av_packet_free(&m_packet);
    }
    if (m_frame != NULL) {
        av_frame_free(&m_frame);
    }
    // 关闭解码器
    if (m_codec_ctx != NULL) {
        avcodec_close(m_codec_ctx);
        avcodec_free_context(&m_codec_ctx);
    }
    // 关闭输入流
    if (m_format_ctx != NULL) {
        avformat_close_input(&m_format_ctx);
        avformat_free_context(m_format_ctx);
    }
    // 释放转换参数
    if (m_path_ref != NULL && m_path != NULL) {
        env->ReleaseStringUTFChars((jstring) m_path_ref, m_path);
        env->DeleteGlobalRef(m_path_ref);
    }


    // 通知子类释放资源
    Release();
}

以上，将解码器的基础结构封装好，只要继承并实现规定的虚函数，即可实现视频的解码了。

四、视频播放

视频解码器

这里有两个重要的地方需要说明：

1. 视频数据转码

我们知道，视频解码出来以后，数据格式是 YUV ，而屏幕显示的时候需要 RGBA，因此视频解码器中，需要对数据做一层转换。

使用的是 FFmpeg 中的 SwsContext 工具，转换方法为 sws_scale，他们都隶属于 swresampel 工具包。

sws_scale 既可以实现数据格式的转化，同时可以对画面宽高进行缩放。

2. 声明渲染器

经过转换，视频帧数据变成 RGBA ，就可以渲染到手机屏幕上了，这里有两种方法：

• 一是，通过本地窗口，直接渲染数据，这种方式无法实现对画面的重新编辑

• 二是，通过 OpenGL ES 渲染，可实现对画面的编辑

本文使用的是前者，OpenGL ES 渲染的方式将在后面的文章单独讲解。

新建目录 src/main/cpp/decoder/video，并新建视频解码器 v_decoder。

看头文件 v_decoder.h

// base_decoder.cpp


#ifndef LEARNVIDEO_V_DECODER_H
#define LEARNVIDEO_V_DECODER_H


#include "../base_decoder.h"
#include "../../render/video/video_render.h"
#include 
#include 
#include 


extern "C" {
#include 
#include 
};


class VideoDecoder : public BaseDecoder {
private:
    const char *TAG = "VideoDecoder";


    //视频数据目标格式
    const AVPixelFormat DST_FORMAT = AV_PIX_FMT_RGBA;


    //存放YUV转换为RGB后的数据
    AVFrame *m_rgb_frame = NULL;


    uint8_t *m_buf_for_rgb_frame = NULL;


    //视频格式转换器
    SwsContext *m_sws_ctx = NULL;


    //视频渲染器
    VideoRender *m_video_render = NULL;


    //显示的目标宽
    int m_dst_w;
    //显示的目标高
    int m_dst_h;


    /**
     * 初始化渲染器
     */
    void InitRender(JNIEnv *env);


    /**
     * 初始化显示器
     * @param env
     */
    void InitBuffer();


    /**
     * 初始化视频数据转换器
     */
    void InitSws();


public:
    VideoDecoder(JNIEnv *env, jstring path, bool for_synthesizer = false);
    ~VideoDecoder();
    void SetRender(VideoRender *render);


protected:
    AVMediaType GetMediaType() override {
        return AVMEDIA_TYPE_VIDEO;
    }


    /**
     * 是否需要循环解码
     */
    bool NeedLoopDecode() override;


    /**
     * 准备解码环境
     * 注：在解码线程中回调
     * @param env 解码线程绑定的jni环境
     */
    void Prepare(JNIEnv *env) override;


    /**
     * 渲染
     * 注：在解码线程中回调
     * @param frame 解码RGBA数据
     */
    void Render(AVFrame *frame) override;


    /**
     * 释放回调
     */
    void Release() override;


    const char *const LogSpec() override {
        return "VIDEO";
    };
};




#endif //LEARNVIDEO_V_DECODER_H

接下来看 v_deocder.cpp 实现，先看初始化相关的代码：

// v_deocder.cpp


VideoDecoder::VideoDecoder(JNIEnv *env, jstring path, bool for_synthesizer)
: BaseDecoder(env, path, for_synthesizer) {
}


void VideoDecoder::Prepare(JNIEnv *env) {
    InitRender(env);
    InitBuffer();
    InitSws();
}

构造函数很简单，把相关的参数传递给父类 base_decoder 即可。

接下来是 Prepare 方法，这个方法是父类 base_decoder 中规定的子类必须实现的方法，在初始化完解码器之后调用，回顾一下：

// base_decoder.cpp


void BaseDecoder::Decode(std::shared_ptr that) {


    // 省略无关代码...
    
    that->InitFFMpegDecoder(env);
    that->AllocFrameBuffer();
    
    //子类初始化方法调用
    that->Prepare(env); 
    
    that->LoopDecode();
    that->DoneDecode(env);
    
    // 省略无关代码...


}

在 Prepare 中，初始化渲染器 InitRender 的先略过，后面详细再讲。

看看数据格式转化相关的初始化。

• 存放数据缓存初始化：

// base_decoder.cpp


void VideoDecoder::InitBuffer() {
    m_rgb_frame = av_frame_alloc();
    // 获取缓存大小
    int numBytes = av_image_get_buffer_size(DST_FORMAT, m_dst_w, m_dst_h, 1);
    // 分配内存
    m_buf_for_rgb_frame = (uint8_t *) av_malloc(numBytes * sizeof(uint8_t));
    // 将内存分配给RgbFrame，并将内存格式化为三个通道后，分别保存其地址
    av_image_fill_arrays(m_rgb_frame->data, m_rgb_frame->linesize,
                         m_buf_for_rgb_frame, DST_FORMAT, m_dst_w, m_dst_h, 1);
}

通过 av_frame_alloc 方法初始化一块 AVFrame ，注意该方法没有分配缓存内存；

然后通过 av_image_get_buffer_size 方法计算所需内存块大小，其中

AVPixelFormat DST_FORMAT = AV_PIX_FMT_RGBA
m_dst_w: 为目标画面宽度（即画面显示时的实际宽度，将通过后续渲染器中具体的窗户大小计算得出）m_dst_h：为目标画面高度（即画面显示时的实际高度，将通过后续渲染器中具体的窗户大小计算得出）

接着通过 av_malloc 真正分配一块内存；

最后，通过 av_image_fill_arrays 将得到的这块内存给到 AVFrame，至此，内存分配完成。

• 数据转换工具初始化

// base_decoder.cpp


void VideoDecoder::InitSws() {
    // 初始化格式转换工具
    m_sws_ctx = sws_getContext(width(), height(), video_pixel_format(),
                               m_dst_w, m_dst_h, DST_FORMAT,
                               SWS_FAST_BILINEAR, NULL, NULL, NULL);
}

这个很简单，只要将原画面数据和目标画面数据的长宽、格式等传递进去即可。

• 释放相关资源

在解码完毕以后，父类会调用子类 Release 方法，以释放子类中相关的资源。

// v_deocder.cpp


void VideoDecoder::Release() {
    LOGE(TAG, "[VIDEO] release")
    if (m_rgb_frame != NULL) {
        av_frame_free(&m_rgb_frame);
        m_rgb_frame = NULL;
    }
    if (m_buf_for_rgb_frame != NULL) {
        free(m_buf_for_rgb_frame);
        m_buf_for_rgb_frame = NULL;
    }
    if (m_sws_ctx != NULL) {
        sws_freeContext(m_sws_ctx);
        m_sws_ctx = NULL;
    }
    if (m_video_render != NULL) {
        m_video_render->ReleaseRender();
        m_video_render = NULL;
    }
}

初始化和资源释放已经完成，就剩下最后的渲染器配置了。

渲染器

刚刚上面说过，一般有两种方式渲染画面，那么就先把渲染器先定义好，方便后面扩展。

定义视频渲染器

新建目录 src/main/cpp/media/render/video，并创建头文件 video_render.h。

#ifndef LEARNVIDEO_VIDEORENDER_H
#define LEARNVIDEO_VIDEORENDER_H


#include 
#include 


#include "../../one_frame.h"


class VideoRender {
public:
    virtual void InitRender(JNIEnv *env, int video_width, int video_height, int *dst_size) = 0;
    virtual void Render(OneFrame *one_frame) = 0;
    virtual void ReleaseRender() = 0;
};




#endif //LEARNVIDEO_VIDEORENDER_H

该类同样是纯虚类，类似 Java 的 interface 。

这里只是规定了几个接口，分别是初始化、渲染、释放资源。

实现本地窗口渲染器

新建目录 src/main/cpp/media/render/video/native_render，并创建头文件 native_render 类。

native_render 头文件：

// native_render.h


#ifndef LEARNVIDEO_NATIVE_RENDER_H
#define LEARNVIDEO_NATIVE_RENDER_H


#include 
#include 
#include 


#include "../video_render.h"
#include "../../../../utils/logger.h"


extern "C" {
#include 
};


class NativeRender: public VideoRender {
private:
    const char *TAG = "NativeRender";


    // Surface引用，必须使用引用，否则无法在线程中操作
    jobject m_surface_ref = NULL;


    // 存放输出到屏幕的缓存数据
    ANativeWindow_Buffer m_out_buffer;


    // 本地窗口
    ANativeWindow *m_native_window = NULL;


    //显示的目标宽
    int m_dst_w;


    //显示的目标高
    int m_dst_h;


public:
    NativeRender(JNIEnv *env, jobject surface);
    ~NativeRender();
    void InitRender(JNIEnv *env, int video_width, int video_height, int *dst_size) override ;
    void Render(OneFrame *one_frame) override ;
    void ReleaseRender() override ;
};

可以看到，渲染器中持有一个 Surface 引用，这就是我们非常熟悉的东西，前面一系列文章中，画面渲染都是使用了它。

另外还有一个就是本地窗口 ANativeWindow ，只要将 Surface 绑定给 ANativeWindow，就可以通过本地窗口实现 Surface 渲染了。

看看渲染器的实现 native_render.cpp 。

• 初始化

// native_render.cpp


ativeRender::NativeRender(JNIEnv *env, jobject surface) {
    m_surface_ref = env->NewGlobalRef(surface);
}


NativeRender::~NativeRender() {


}


void NativeRender::InitRender(JNIEnv *env, int video_width, int video_height, int *dst_size) {
    // 初始化窗口
    m_native_window = ANativeWindow_fromSurface(env, m_surface_ref);


    // 绘制区域的宽高
    int windowWidth = ANativeWindow_getWidth(m_native_window);
    int windowHeight = ANativeWindow_getHeight(m_native_window);


    // 计算目标视频的宽高
    m_dst_w = windowWidth;
    m_dst_h = m_dst_w * video_height / video_width;
    if (m_dst_h > windowHeight) {
        m_dst_h = windowHeight;
        m_dst_w = windowHeight * video_width / video_height;
    }
    LOGE(TAG, "windowW: %d, windowH: %d, dstVideoW: %d, dstVideoH: %d",
         windowWidth, windowHeight, m_dst_w, m_dst_h)


    //设置宽高限制缓冲区中的像素数量
    ANativeWindow_setBuffersGeometry(m_native_window, windowWidth,
            windowHeight, WINDOW_FORMAT_RGBA_8888);


    dst_size[0] = m_dst_w;
    dst_size[1] = m_dst_h;
}

重点来看 InitRender 方法：

通过 ANativeWindow_fromSurface 将 Surface 绑定给本地窗口；

通过 ANativeWindow_getWidth ANativeWindow_getHeight 可以获取到 Surface 可显示区域的宽高；

然后，根据原始视频画面的宽高 video_width video_height 以及可现实区域的宽高，进行画面缩放，可以计算出最终显示的画面的宽高，并赋值给解码器。

视频解码器 v_decoder 在获取到目标画面宽高之后，就可以去初始化数据转化缓存区的大小了。

最后，通过 ANativeWindow_setBuffersGeometry 设置一下本地窗口缓存区大小，完成初始化。

• 渲染

两个重要的本地方法：

ANativeWindow_lock 锁定窗口，并获取到输出缓冲区 m_out_buffer。

ANativeWindow_unlockAndPost 释放窗口，并将缓冲数据绘制到屏幕上。

// native_render.cpp


void NativeRender::Render(OneFrame *one_frame) {
    //锁定窗口
    ANativeWindow_lock(m_native_window, &m_out_buffer, NULL);
    uint8_t *dst = (uint8_t *) m_out_buffer.bits;
    // 获取stride：一行可以保存的内存像素数量*4（即：rgba的位数）
    int dstStride = m_out_buffer.stride * 4;
    int srcStride = one_frame->line_size;


    // 由于window的stride和帧的stride不同，因此需要逐行复制
    for (int h = 0; h < m_dst_h; h++) {
        memcpy(dst + h * dstStride, one_frame->data + h * srcStride, srcStride);
    }
    //释放窗口
    ANativeWindow_unlockAndPost(m_native_window);
}

渲染过程看起来很复杂，主要是因为这里有一个 stride 的概念，指的是一帧画面每一行数据的宽度大小。

比如这里的数据格式是 RGBA ，一行画面的像素是 8 个，那么总共的 stride 宽度就是 8*4 = 32 。
为什么需要转换呢？原因是本地窗口的 stride 大小可能和视频画面数据的 stride 不一致，直接将视频画面数据给到本地窗口时，可能会导致数据读取不一致，最终导致花屏。

所以，这里需要根据本地窗口的 dstStride 和视频画面数据的 srcStride，将数据一行一行复制（memcpy）。

渲染器调用

最后来看下，视频解码器 v_decoder 中对渲染器的调用

// v_decoder.cpp


void VideoDecoder::SetRender(VideoRender *render) {
    this->m_video_render = render;
}


void VideoDecoder::InitRender(JNIEnv *env) {
    if (m_video_render != NULL) {
        int dst_size[2] = {-1, -1};
        m_video_render->InitRender(env, width(), height(), dst_size);


        m_dst_w = dst_size[0];
        m_dst_h = dst_size[1];
        if (m_dst_w == -1) {
            m_dst_w = width();
        }
        if (m_dst_h == -1) {
            m_dst_w = height();
        }
        LOGI(TAG, "dst %d, %d", m_dst_w, m_dst_h)
    } else {
        LOGE(TAG, "Init render error, you should call SetRender first!")
    }
}


void VideoDecoder::Render(AVFrame *frame) {
    sws_scale(m_sws_ctx, frame->data, frame->linesize, 0,
              height(), m_rgb_frame->data, m_rgb_frame->linesize);
    OneFrame * one_frame = new OneFrame(m_rgb_frame->data[0], m_rgb_frame->linesize[0], frame->pts, time_base(), NULL, false);
    m_video_render->Render(one_frame);
}

一是，将渲染设置给视频解码器；

二是，调用渲染器的 InitRender 方法初始化渲染器，并获得目标画面宽高

最后是，调用渲染器 Render 方法，进行渲染。

其中，OneFrame 是自定义类，用来封装一帧数据相关的内容，知道即可，具体可以查看【工程源码】。

编写播放器

以上，完成了 :

1. 基础解码器 的封装 --> 视频解码器 的实现;

2. 渲染器的定义 --> 本地渲染器 的实现。

最后就差把他们整合在一起，实现播放了。

在 src/main/cpp/media 目录下新建一个播放器 player，如下：

// player.h


#ifndef LEARNINGVIDEO_PLAYER_H
#define LEARNINGVIDEO_PLAYER_H




#include "decoder/video/v_decoder.h"


class Player {
private:
    VideoDecoder *m_v_decoder;
    VideoRender *m_v_render;


public:
    Player(JNIEnv *jniEnv, jstring path, jobject surface);
    ~Player();


    void play();
    void pause();
};


#endif //LEARNINGVIDEO_PLAYER_H

播放器持有一个视频解码器和一个视频渲染器，以及一个播放和暂停方法。

// player.cpp


#include "player.h"
#include "render/video/native_render/native_render.h"


Player::Player(JNIEnv *jniEnv, jstring path, jobject surface) {
    m_v_decoder = new VideoDecoder(jniEnv, path);
    m_v_render = new NativeRender(jniEnv, surface);
    m_v_decoder->SetRender(m_v_render);
}


Player::~Player() {
    // 此处不需要 delete 成员指针
    // 在BaseDecoder中的线程已经使用智能指针，会自动释放
}


void Player::play() {
    if (m_v_decoder != NULL) {
        m_v_decoder->GoOn();
    }
}


void Player::pause() {
    if (m_v_decoder != NULL) {
        m_v_decoder->Pause();
    }
}

代码很简单，就是把解码器和渲染器关联起来。

将源代码加入编译

虽然上面完成了各个功能模块的编写，但是编译器不会自动把它们加入编译。要想让  C++ 代码加入编译，需要手动在 CMakeLists.txt 文件中配置，配置的位置和默认的 native-lib.cpp 相同，罗列在后面即可。

# CMakeLists.txt


// 省略无关配置
//......


# 配置目标so库编译信息
add_library( # Sets the name of the library.
        native-lib


        # Sets the library as a shared library.
        SHARED


        # Provides a relative path to your source file(s).
        native-lib.cpp


        # 工具
        ${CMAKE_SOURCE_DIR}/utils/logger.h
        ${CMAKE_SOURCE_DIR}/utils/timer.c


        # 播放器
        ${CMAKE_SOURCE_DIR}/media//player.cpp


        # 解码器
        ${CMAKE_SOURCE_DIR}/media//one_frame.h
        ${CMAKE_SOURCE_DIR}/media/decoder/i_decoder.h
        ${CMAKE_SOURCE_DIR}/media/decoder/decode_state.h
        ${CMAKE_SOURCE_DIR}/media/decoder/base_decoder.cpp
        ${CMAKE_SOURCE_DIR}/media/decoder/video/v_decoder.cpp


        # 渲染器
        ${CMAKE_SOURCE_DIR}/media/render/video/video_render.h
        ${CMAKE_SOURCE_DIR}/media/render/video/native_render/native_render.cpp
        )


// 省略无关配置
//......

如果类只有 .h 头文件的话，就只写 .h 文件，如果类既有头文件，又有 .cpp 实现文件，则只需要配置 .cpp 文件

需要注意的是：在创建好每个类的时候，就需要将其配置到 CMakeLists.txt 中，否则在编写代码的时，可能无法导入相关的库头文件，也就没法通过编译。

编写 JNI 接口

接下来就需要将播放器暴露给 Java 层使用了，这时候就需要用到 JNI 的接口文件 native-lib.cpp了。

开始编写 JNI 接口之前，先在 FFmpegActivity 中写好相应的接口：

// FFmpegActivity.kt


class FFmpegActivity: AppCompatActivity() {
    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_ffmpeg_info)
        tv.text = ffmpegInfo()
        initSfv()
    }
    
    private fun initSfv() {
        sfv.holder.addCallback(object: SurfaceHolder.Callback {
            override fun surfaceChanged(holder: SurfaceHolder, format: Int, width: Int, height: Int) {


            }


            override fun surfaceDestroyed(holder: SurfaceHolder) {
            }


            override fun surfaceCreated(holder: SurfaceHolder) {
                if (player == null) {
                    player = createPlayer(path, holder.surface)
                    play(player!!)
                }
            }
        })
    }


//------------ JNI 相关接口方法 ----------------------


    private external fun ffmpegInfo(): String
    
    private external fun createPlayer(path: String, surface: Surface): Int
    
    private external fun play(player: Int)
    
    private external fun pause(player: Int)


    companion object {
        init {
            System.loadLibrary("native-lib")
        }
    }
}

接口很简单：

createPlayer(path: String, surface: Surface): Int：创建播放器，并返回播放器对象地址

play(player: Int)：播放，参数为播放器对象

pause(player: Int)：暂停，参数为播放器对象

播放器的创建时机为 SurfaceView 初始化完成时: surfaceCreated。

页面布局 xml 如下：

接下来，就根据以上三个接口，在 JNI 中编写对应的接口。

// native-lib.cpp


#include 
#include 
#include 
#include "media/player.h"


extern "C" {
    JNIEXPORT jint JNICALL
    Java_com_cxp_learningvideo_FFmpegActivity_createPlayer(JNIEnv *env,
            jobject  /* this */,
            jstring path,
            jobject surface) {
            Player *player = new Player(env, path, surface);
            return (jint) player;
        }
    
    JNIEXPORT void JNICALL
    Java_com_cxp_learningvideo_FFmpegActivity_play(JNIEnv *env,
                                                   jobject  /* this */,
                                                   jint player) {
        Player *p = (Player *) player;
        p->play();
    }
    
    JNIEXPORT void JNICALL
    Java_com_cxp_learningvideo_FFmpegActivity_pause(JNIEnv *env,
                                                   jobject  /* this */,
                                                   jint player) {
        Player *p = (Player *) player;
        p->pause();
    }
}

很简单，相信大家都看得懂，其实就是初始化一个播放器对象指针，然后返回给 Java 层保存，后面的播放和暂停操作都是 Java 层将这个播放器指针再传给 JNI 层做具体操作。

五、总结

代码很多，但是其实如果看过前面系列原生硬解的文章的话，应该也比较好理解了。

最后，简单做一下总结吧：

• 初始化：根据 FFmpeg 提供的一些功能接口，对解码器做初始化

• 输入文件码流上下文 AVFormatContext

• 解码器上下文 AVCodecContext

• 解码器 AVCodec

• 分配数据缓存空间 AVPacket（存放待解码数据） 和 AVFrame （存放已解码数据）

• 解码：通过 FFmpeg 提供的解码接口进行解码

• av_read_frame 读取待解码数据到 AVPacket

• avcodec_send_packet 发送 AVPacket 到解码器解码

• avcodec_receive_frame 读取解码好的数据到 AVFrame

• 转码和缩放：通过 FFmpeg 提供的转码接口将 YUV 转换为 RGBA

• sws_getContext 初始化转化工具 SwsContext

• sws_scale 执行数据转换

• 渲染：通过 Android 提供的接口将视频数据渲染到屏幕上

• ANativeWindow_fromSurface 绑定 Surface 到本地窗口

• ANativeWindow_getWidth/ANativeWindow_getWidth 获取 Surface 宽高

• ANativeWindow_setBuffersGeometry 设置屏幕缓冲区大小

• ANativeWindow_lock 锁定窗口，获取显示缓冲区

• 根据 Stride 将数据复制（memcpy）到缓冲区

• ANativeWindow_unlockAndPost 解锁窗口，并显示

技术交流，欢迎加我微信：ezglumes ，拉你入技术交流群。

推荐阅读：

音视频面试基础题

OpenGL ES 学习资源分享

一文读懂 YUV 的采样与格式

OpenGL 之 GPUImage 源码分析

推荐几个堪称教科书级别的 Android 音视频入门项目

觉得不错，点个在看呗~