DXGI高帧率屏幕录像软件源码解析（声音捕获，抓屏，ffmpeg录像，MP4录像，flv录像，麦克风采集）（第4篇编码，录像部分）

本文DEMO源码下载：

https://download.csdn.net/download/xjb2006/85109025

dxgi桌面屏幕录像（windows屏幕录像，硬件编码，声音捕获，音视频同步）

由于篇幅有限，分为4篇发表：

1、SDK接口一览：

2、声音采集部分:

3、屏幕捕获部分：

4、编码，录像部分：

距离上篇文章已经过了快1年了，才有时间把正式DEMO传上来，直接上个截图看看吧：

该DEMO演示了win10屏幕录像的核心功能，包含音源选择（支持麦克风，计算机声音和2者混合），屏幕选择（主副屏选择），鼠标，帧率，码率，硬件编码，实时预览，双录制（同时录制为flv,mp4）等基本功能。为了扩展需要，程序核心模块做成DLL动态库，可以多语言扩展，适用于C++，C#，JAVA，VB，Python等等其他语言。

视频编码：

DXGI输出一般是RGB32，需要将颜色空间转换为YV12或者NV12等才能进行编码，现支持libx264，h264_qsv，h264_nvenc，至于h264_amf，由于暂无测试环境，无法确认是否能用。

颜色空间转换采用libyuv或者ipp进行高效转换，经比较，效率较ffmpeg更高。

优先选择硬件加速（GPU）编码时，会自动判断是否有h264_qsv，h264_nvenc，如果没有则选择libx264，当然也可以手动指定编码器。

将RGB32进行缩放的libyuv算法：

static void ResizeRGB32(BYTE *pIn,int scx,int scy,BYTE *pOut,int dcx,int dcy)
{
    int ret=libyuv::ARGBScale(pIn,scx*4,scx,scy,pOut,dcx*4,dcx,dcy,libyuv::kFilterLinear);
    ret=0;
}

验证编码器的函数：

bool CFFFindEncoder::Find(char* szName)
{
    //MessageBox(0,L"1",0,0);
    AVCodecContext *c= NULL;
    //AVFrame *frame;
    AVPacket *pkt;
    AVCodec *codec=avcodec_find_encoder_by_name(szName);
    if(codec==0)
        return false;
    //MessageBox(0,L"2",0,0);
    c = avcodec_alloc_context3(codec);
    if (!c) 
    {
        return false;
    }
    //MessageBox(0,L"3",0,0);
    pkt = av_packet_alloc();
    if (!pkt)
    {
        return false;
    }
    c->bit_rate = 8000000;
    c->width = 1920;
    c->height = 1080;
    c->time_base.num=1;
    c->time_base.den=25;
    c->framerate.num=25;
    c->framerate.den=1;
    
    c->gop_size = 10;
    c->max_b_frames = 0;
    c->pix_fmt = AV_PIX_FMT_NV12;//AV_PIX_FMT_YUV420P;

    if (codec->id == AV_CODEC_ID_H264)
        av_opt_set(c->priv_data, "preset", "slow", 0);

    int ret = avcodec_open2(c, codec, NULL);
    if (ret < 0) {
        return false;
    }
    //MessageBox(0,L"4",0,0);

    avcodec_free_context(&c);
    av_packet_free(&pkt);
    return true;
}

音频编码：

包含了音频转码，混音，编码等，由于本人不太喜欢ffmpeg的AAC编码必须输入为AV_SAMPLE_FMT_FLTP，我直接用了libfaac库进行编码，输入为S16。ACM比较简单，网上也很好搜到，我贴ffmpeg的音频转码封装吧。对于AAC编码，libfaac也比较简单，就不贴代码了。

转码代码：

#pragma once
#include "stdafx.h"
class CAudioACM
{
private:
	char *audio_out_buffer=0;
	SwrContext* audio_convert_ctx = 0;
	int m_nInSampleRate;
	int m_nInChannel;
	int m_nOutSampleRate;
	int m_nOutChannel;
	AVSampleFormat in_sample_fmt;
	AVSampleFormat out_sample_fmt;
	int Getbytes_per_sample(int sampleFormat)
	{
		int bytes_per_sample = 2;
		switch (sampleFormat)
		{
		case AV_SAMPLE_FMT_U8P:
		case AV_SAMPLE_FMT_U8:
			bytes_per_sample = 8 >> 3;
			break;
		case AV_SAMPLE_FMT_S16P:
		case AV_SAMPLE_FMT_S16:
			bytes_per_sample = 16 >> 3;
			break;
		case AV_SAMPLE_FMT_S32:
		case AV_SAMPLE_FMT_S32P:
		case AV_SAMPLE_FMT_FLT:
		case AV_SAMPLE_FMT_FLTP:
			bytes_per_sample = 32 >> 3;
			break;
		case AV_SAMPLE_FMT_DBL:
		case AV_SAMPLE_FMT_DBLP:
			bytes_per_sample = 64 >> 3;
			break;
		default:
			bytes_per_sample = 0;
			break;
		}
		return bytes_per_sample;
	}



public:
	void Init(int nInSampleRate, int nInChannel,int nInFMT, int nOutSampleRate, int nOutChannel, int nOutFMT)//nFMT:0S16  1FLTP
	{
		if (audio_out_buffer)
		{
			delete[]audio_out_buffer;
			audio_out_buffer = 0;
		}
		audio_out_buffer = new char[1024 * 1024];
		m_nInSampleRate = nInSampleRate;
		m_nInChannel = nInChannel;
		m_nOutSampleRate = nOutSampleRate;
		m_nOutChannel = nOutChannel;
		in_sample_fmt = nInFMT==0?AV_SAMPLE_FMT_S16: AV_SAMPLE_FMT_FLTP;
		out_sample_fmt = nOutFMT == 0 ? AV_SAMPLE_FMT_S16 : AV_SAMPLE_FMT_FLTP;
		audio_convert_ctx = swr_alloc_set_opts(0, av_get_default_channel_layout(nOutChannel), out_sample_fmt, nOutSampleRate,
			av_get_default_channel_layout(nInChannel), in_sample_fmt, nInSampleRate, 0, NULL);//配置源音频参数和目标音频参数  
		int n1 = av_get_default_channel_layout(nOutChannel);
		int n4 = av_get_default_channel_layout(nInChannel);
		swr_init(audio_convert_ctx);


	}
	void InitFrame(AVFrame ** srcFrame,char* pPCM,int nSize,int samplerate,int channel,int format= AV_SAMPLE_FMT_S16)
	{
		*srcFrame = av_frame_alloc();
		(*srcFrame)->nb_samples = nSize/ channel/2;
		(*srcFrame)->channels = channel;
		(*srcFrame)->channel_layout = av_get_default_channel_layout(channel);
		(*srcFrame)->format = format;
		(*srcFrame)->sample_rate = samplerate;
		(*srcFrame)->data[0] = (*srcFrame)->extended_data[0] = (uint8_t*)pPCM;
		avcodec_fill_audio_frame(*srcFrame, channel, (AVSampleFormat)format, (const uint8_t*)pPCM, nSize, 0);
	}

	int Resample(char *pIn,int nLen, AVFrame* pOutFrame)
	{
		AVFrame* srcFrame = 0;
		InitFrame(&srcFrame, pIn, nLen, m_nInSampleRate, m_nInChannel);
		Resample(srcFrame, pOutFrame);
		av_frame_free(&srcFrame);
		return 0;
	}

	int Resample(AVFrame * pFrame_A, AVFrame* pOutFrame)
	{
		if (!audio_convert_ctx)
			return 0;
		int bytes_per_sample = Getbytes_per_sample(out_sample_fmt);
		int in_samples_per_channel = pFrame_A->nb_samples;
		if (pFrame_A->sample_rate < 8000)
			pFrame_A->sample_rate = 8000;
		int out_samples_per_channel = av_rescale_rnd(128 + in_samples_per_channel, m_nOutSampleRate, pFrame_A->sample_rate, AV_ROUND_UP);
		int size_per_sample_with_channels = m_nOutChannel * bytes_per_sample;
		int out_size = out_samples_per_channel * size_per_sample_with_channels;
		unsigned char* out[] = { (unsigned char*)audio_out_buffer };
		//int converted_samplers_per_channel = swr_convert(audio_convert_ctx, out, out_samples_per_channel, (const uint8_t**)pFrame_A->extended_data, in_samples_per_channel);
		int converted_samplers_per_channel = swr_convert(audio_convert_ctx, out, in_samples_per_channel, (const uint8_t**)pFrame_A->extended_data, in_samples_per_channel);
		if (converted_samplers_per_channel > 0)
		{
			pOutFrame->nb_samples = converted_samplers_per_channel;
			pOutFrame->sample_rate = m_nOutSampleRate;
			pOutFrame->channels = m_nOutChannel;
			pOutFrame->extended_data[0]=pOutFrame->data[0]= out[0];
//			pOutFrame->linesize[0] = pFrame_A->linesize[0];
			
			//m_pcmfifo.push((BYTE*)audio_out_buffer, converted_samplers_per_channel * size_per_sample_with_channels);
		}

		return 0;
	}

	void close()
	{
		if (audio_out_buffer)
		{
			delete[]audio_out_buffer;
			audio_out_buffer = 0;
		}
		if (audio_convert_ctx)
		{
			swr_close(audio_convert_ctx);	//xjb2018
			swr_free(&audio_convert_ctx);
		}
	}

public:
	CAudioACM()
	{
		audio_convert_ctx = 0;
		m_nInSampleRate = 44100;
		m_nInChannel = 2;
		m_nOutSampleRate = 44100;
		m_nOutChannel = 2;
	}
	~CAudioACM()
	{
		close();
	}



};

再贴一个简单的混音代码，因为要同时录制麦克风声音+计算机声音，就需要同时转换为44100，双声道，16位，然后进行混音，算法也比较简单，就是两个声音相加，我这里减半相加，都差不多，看你自己选择！

static void WaveMix(BYTE *pBuf0,BYTE *pBuf1,BYTE *pBufOut,int nLen)
{	
	int all=0;
	short w,w1;
	WORD wOK;
	for(int i=0;i32767)
			all=32767;
		if(all<-32767)
			all=-32767;
		wOK= all;
		(pBufOut)[i]=LOBYTE(wOK);
		(pBufOut)[i+1]=HIBYTE(wOK);
	}
}

 录像：

前面已经得到了AAC和H264的数据了，我们就可以mix成MP4文件了，合成按照ffmpeg例子步骤来，我贴音视频同步的代码吧，先说说音视频同步，其实很简单的，很多人搞不懂。我们现实中用的是时分秒的计时单位，音视频中常用是毫秒（ms）。音视频中也是一样的，不过时间戳单位并不是ms，以时间戳AVRational time_base这个为例子，    pAVCodecContext->time_base.num = 1;    pAVCodecContext->time_base.den = 90000;一般会看到这种表达方式，这里的时间戳表示的单位就不是1ms了，而是1/90000秒为单位。

音频的时间戳单位：time_base.den = 44100；

视频的时间戳单位：time_base.den = 90000；

上面的时间我们给她个名字吧，叫音视频编码器时间，而下面说的是ms时间。我们要做的事情就是把ms时间转成音视频编码器时间。

音视频同步：一般我是以音频为参考，因为音频不能丢，可以想象，如果音频丢了一帧比视频丢了一帧影响大得多，视频多一帧少一帧看不出来的。视频去同步音频，我们认为音频硬件是可以信任的时间计时单位，读取1024个sample就是23ms。视频去同步音频，视频可以用帧率去计算时间，公式就变成这样：__int64 vtime = m_nVideoCount * 1000/m_fps;但是有个问题，你能保证编码帧率绝对30帧？显然不可能，所以我们用系统时间去计算，公式就变成这样：__int64 vtime = (av_gettime() - m_nStartVideoTime) / 1000;（m_nStartVideoTime是开始编码时间）。

音频ms时间的代码：

__int64 COutPutStream::GetAudioTime()
{
    if (m_samplerate > 0)
        return (double)(m_nAudioCount) * (double)1024 * (double)1000 / (double)m_samplerate;
    return 0;
}    

我们演算下，输入m_nAudioCount=1时，得到的时间为23.22ms，是吧！

视频ms时间的代码：

__int64 COutPutStream::GetVideoTime()
{
    if (m_nStartVideoTime > 0)
    {
        __int64 vtime = (av_gettime() - m_nStartVideoTime) / 1000;
        //__int64 vtime = m_nVideoCount * 1000/m_fps;//
        return vtime;
    }
    return 0;
}
这就好理解了，时间戳那里直接填：

视频时间戳：

    int  lTimeStamp=this->GetVideoTime()*1000;

    enc_pkt.stream_index = pAVStream_Video->index;
    enc_pkt.dts = enc_pkt.pts = (INT64)90000 * (lTimeStamp) / AV_TIME_BASE;//转换为视频编码器时间
    AVRational timebase;
    timebase.den = 90000;    timebase.num = 1;
    av_packet_rescale_ts(&enc_pkt, timebase, pAVStream_Video->time_base);//转换为mux时间

    av_interleaved_write_frame(pOutAVFormatContext, &enc_pkt);

音频时间戳：

	pkt.size = nAACSize;
	pkt.pts = pkt.dts = 1024 * m_nAudioCount;//转为音频编码时间（看得懂吗？多理解下，呵呵）
	AVRational timebase;
	timebase.den = m_samplerate;//xiao
	timebase.num = 1;
	av_packet_rescale_ts(&pkt, timebase, pAVStream_Audio->time_base);//转为mux时间
	m_nAudioCount++;
    
    ...
     
    av_interleaved_write_frame(pOutAVFormatContext, &pkt);
    

 这样就高枕无忧了？理论上是，但是实际上，音频和视频同步上可能会有偏差，我们就要进行调节，我是这样做的，在H264视频写入代码段内，如果音频时间-视频时间>100ms，那么视频时间戳m_nStartVideoTime-=(5*1000);代码实现：（如果你有更好的方法请告诉我！）

	if (audioMS - dbMS > 100 || audioMS - dbMS < -100)//强制同步
	{
		if(audioMS - dbMS > 100)
		{
			m_nStartVideoTime-=(5*1000);//10ms
		}
		else
		{
			m_nStartVideoTime+=(5*1000);//10ms
		}
	}

这样就可以高枕无忧了，万事大吉，今晚吃鸡！ 

补充下为什么要双录（录成mp4和flv），这一切都是为了保险而生！因为mp4并不是为流媒体而生的，她的音视频重要信息都存储在文件结尾，而且要停止录像时才存储，所以中途一旦断电或者程序崩溃，mp4是无法播放的。而flv就不同了，他是为流媒体而设计的，随时中断，崩溃，不会影响视频文件播放。

 本文DEMO源码下载：

https://download.csdn.net/download/xjb2006/85109025

​​​​​​dxgi桌面屏幕录像（windows屏幕录像，硬件编码，声音捕获，音视频同步）

QQ35744025   萧萧工作室