H264码流分两种组织方式,一种是AnnexB格式,一种是AVCC格式。
首先要了解的是H.264编码规范只是规定了如何编码,并没有规定以何种方式来排列编码后的数据。就如同AES算法只是规定如何加密一组数据,并没有强制规定如果分组。H.264规范没有规定如何组织数据,但是在附录B中提供了一种可选方案,即Annex B格式。
H.264视频编码后的数据叫NALU(Network Abstraction Layer Units)
。
NALU有多种类型,分为两大类:VCL(Video Coding Layer)
和 非VCL
。VCL是图像编码数据,非VCL为编码参数信息。NALU结构头部指明类型,类型字段如下。
NALU类型 | 说明 | 是否VCL |
---|---|---|
0 | Unspecified | non-VCL |
1 | Coded slice of a non-IDR picture | VCL |
2 | Coded slice data partition A | VCL |
3 | Coded slice data partition B | VCL |
4 | Coded slice data partition C | VCL |
5 | Coded slice of an IDR picture | VCL |
6 | Supplemental enhancement information (SEI) | non-VCL |
7 | Sequence parameter set (SPS) | non-VCL |
8 | Picture parameter set (PPS) | non-VCL |
9 | Access unit delimiter | non-VCL |
10 | End of sequence | non-VCL |
11 | End of stream | non-VCL |
12 | Filler data | non-VCL |
13 | Sequence parameter set extension | non-VCL |
14 | Prefix NAL unit | non-VCL |
15 | Subset sequence parameter set | non-VCL |
16 | Depth parameter set | non-VCL |
17…18 | Reserved | non-VCL |
19 | Coded slice of an auxiliary coded picture without partitioning | non-VCL |
20 | Coded slice extension | non-VCL |
21 | Coded slice extension for depth view components | non-VCL |
22…23 | Reserved | non-VCL |
24…31 | Unspecified | non-VCL |
SPS: 序列参数集,包含解码配置,比如profile level 分辨率和帧率等。
PPS:图像参数集,包含有关熵编码模式、分片组、运动预测和去块滤波器等信息。
IDR: 立即解码刷新单元,这种NALU包含一个完整的图像序列,不依赖其他NALU就可以独立解码和显示,即一种特殊的I帧。
值得注意的是,一个NALU即使是VCL NALU 也并不一定表示一个视频帧。因为一个帧的数据可能比较多,可以分片为多个NALU来储存。一个或者多个NALU组成一个访问单元AU,一个AU包含一个完整的帧。
H264码流分两种组织方式,一种是AnnexB格式,一种是AVCC格式。
[start code]NALU | [start code] NALU |...
这种格式比较常见,也就是我们熟悉的每个帧前面都有0x00 00 00 01
或者0x00 00 01
作为起始码。.h264
文件就是采用的这种格式,每个帧前面都要有个起始码。SPS PPS
等也作为一类NALU存储在这个码流中,一般在码流最前面。也就是说这种格式包含VCL 和 非VCL 类型的NALU。
([extradata]) | ([length] NALU) | ([length] NALU) | ...
这种模式也叫AVC1格式,没有起始码,每个帧最前面几个字节(通常4字节)是帧长度。这里的NALU一般没有SPS PPS
等参数信息,参数信息属于额外数据extradata存在其他地方。
比如ffmpeg中解析mp4文件后sps pps存在streams[index]->codecpar->extradata;
中。也就是说这种码流通常只包含VCL类型NALU。
这些extradata通常有如下格式(可以根据这个规则ffmpeg解析mp4文件的SPS和PPS)
第1字节:version (通常0x01)
第2字节:avc profile (值同第1个sps的第2字节)
第3字节:avc compatibility (值同第1个sps的第3字节)
第4字节:avc level (值同第1个sps的第3字节)
第5字节前6位:保留全1
第5字节后2位:NALU Length 字段大小减1,通常这个值为3,即NAL码流中使用3+1=4字节表示NALU的长度
第6字节前3位:保留,全1
第6字节后5位:SPS NALU的个数,通常为1
第7字节开始后接1个或者多个SPS数据
SPS结构 [16位 SPS长度][SPS NALU data]
SPS数据后
第1字节:PPS的个数,通常为1
第2字节开始接1个或多个PPS数据
PPS结构 [16位 PPS长度][SPS NALU data]
上述内容参考 https://titanwolf.org/Network/Articles/Article?AID=7efa4423-1e7d-46e0-ba19-6f5c6eec84a7
MP4文件中编码信息是存储在文件开始或者文件末尾的,详细结构这里不详述了。就知道不是和图像数据放在一起的就可以了。
FFmpeg使用av_read_frame(AVFormatContext *s, AVPacket *pkt)
函数读mp4文件,读到packet里面仅仅是VCL编码数据NAL,并且这个编码数据是AVCC格式组织的码流,直接保存成.264
文件没法播放。
先说一下思路:
1 .从avFmtCtx->streams[_videoStreamIndex]->codecpar->extradata
中解析SPS和PPS数据,数据格式上一节已经描述了。解析出SPS PPS数据加上4字节的0001的起始码拼装成nnexB格式的NALU,先写入文件。
2. 通过av_read_frame(AVFormatContext *s, AVPacket *pkt)
读取到数据存放在pkt->data
中,长度为pkt->size
。
注意:这1个pkt->data中的数据可能是多个NALU的数据!!!这些数据按([length] NALU) | ([length] NALU) | ...
规则排列。先取前4字节作为长度,读取指定长度的数据加上起始码拼NALU。然后同样的方式读取后面的数据,直到总长度等于pkt->size
。
这里就只贴关键部分代码。省略前面打开文件和查询流信息等操作。
//...
AVPacket spsPacket, ppsPacket, tmpPacket;
uint8_t startCode[4] = {0x00, 0x00, 0x00, 0x01};
bool sendSpsPps = false;
while (av_read_frame(_avFmtCtx, _avPacket) == 0) { // 能读到数据返回0,循环读取
// 根据pkt->stream_index判断是不是视频流
if (_avPacket->stream_index == _videoStreamIndex) {
// 仅1次处理sps pps,也可以拿在while外面
if (!sendSpsPps) {
int spsLength = 0;
int ppsLength = 0;
// extradata 数据指针,方便操作取其指针
uint8_t *ex = _avFmtCtx->streams[_videoStreamIndex]->codecpar->extradata;
// extradata;第6字节后5位表示SPS个数,通常为1,这里就省略判断处理,严谨期间还是要判断
// 直接 取第7 8 俩字节作为SPS长度
spsLength = (ex[6] << 8) | ex[7];
// x[8+spsLength]表示PPS个数,通常为1,这里就省略判断处理
// 取接下来两位作为PPS长度
ppsLength = (ex[8 + spsLength + 1] << 8) | ex[8 + spsLength + 2];
// 为spsPacket ppsPacket的data分配内存,类似malloc
// 如果只是为了保存文件,可以不使用pkt结构,直接malloc就行
// 分配的空间为sps或pps长度加上4字节的起始码
av_new_packet(&spsPacket, spsLength + 4);
av_new_packet(&ppsPacket, ppsLength + 4);
// 给SPS拼前4字节起始码
memcpy(spsPacket.data, startCode, 4);
// 把SPS数据拼在起始码后面
memcpy(spsPacket.data + 4, ex + 8, spsLength);
// TODO: 这里可以把spsPacket.data数据写入文件
// 给PPS拼前4字节起始码
memcpy(ppsPacket.data, startCode, 4);
// 把PPS数据拼在起始码后面
memcpy(ppsPacket.data + 4, ex + 8 + spsLength + 2 + 1, ppsLength);
// TODO: 这里可以把ppsPacket.data数据写入文件
sendSpsPps = true;
}
// 下面处理读到pkt中的数据
int nalLength = 0;
uint8_t *data = _avPacket->data;
// _avPacket->data中可能有多个NALU,循环处理
while (data < _avPacket->data + _avPacket->size) {
// 取前4字节作为nal的长度
nalLength = (data[0] << 24) | (data[1] << 16) | (data[2] << 8) | data[3];
if (nalLength > 0) {
memcpy(data, startCode, 4); // 拼起始码
tmpPacket = *_avPacket; // 仅为了复制packet的其他信息,保存文件可忽略
tmpPacket.data = data; // 把tmpPkt指针偏移到实际数据位置
tmpPacket.size = nalLength + 4; // 长度为nal长度+起始码4
//TODO: 处理这个NALU的数据,可以直接把tmpPacket.data写入文件
}
data = data + 4 + nalLength; // 处理data中下一个NALU数据
}
}
av_packet_unref(_avPacket);
}
上述代码FFmpeg 4.4使用正常。
此外,FFmpeg也提供了h264_mp4toannexb_filter
相关的过滤器进行相应转换的操作,filter`使用比较麻烦,这里不示例怎么用了。