Qt/C++音视频开发74-合并标签图形/生成yolo运算结果图形/文字和图形合并成一个/水印滤镜

标签：视频 int 合并支持音视频 offset position 图形 osd

一、前言

在使用yolo做人工智能运算后，运算结果除了一个方框，还可能需要增加文字显示在对应方框上，以便标记是何种物体，比如显示是人还是动物，或者还有可能追踪人员，显示该人员的姓名。这种应用场景非常普遍，而且非常有必要，可以非常直观的直接看到对应移动的物体是什么。当然也有个缺点，就是当图层方框特别多的时候，看起来层叠的，意味着会发生遮挡的情况，导致在同一个区域只能同时看到一个物体，如果有密集恐惧症那就更加麻烦。

用ffmpeg的滤镜功能，可以绘制文字水印和图形水印，但是都是分开的，并没有提供文字和图形水印合并的滤镜，也许将来不久会内置，拭目以待。但是短期内肯定是没有的，这就需要提供一个函数将文字和图形水印合并，同时可空文字是显示在方框的位置，比如左上角、右上角、左下角、右下角，以及显示在方框的里边还是外边，或者说默认外边，当方框超过了图像的区域的时候就显示在里边。说干就干，直接写了几十行，专门完成了这个函数。传入一堆rect区域和文本集合，传出对应的osd对象和graph对象。

二、效果图

三、体验地址

国内站点：https://gitee.com/feiyangqingyun
国际站点：https://github.com/feiyangqingyun
个人作品：https://blog.csdn.net/feiyangqingyun/article/details/97565652
体验地址：https://pan.baidu.com/s/1d7TH_GEYl5nOecuNlWJJ7g 提取码：01jf 文件名：bin_video_demo。
视频主页：https://space.bilibili.com/687803542

四、功能特点

4.1. 基础功能

支持各种音频视频文件格式，比如mp3、wav、mp4、asf、rm、rmvb、mkv等。
支持本地摄像头设备和本地桌面采集，支持多设备和多屏幕。
支持各种视频流格式，比如rtp、rtsp、rtmp、http、udp等。
本地音视频文件和网络音视频文件，自动识别文件长度、播放进度、音量大小、静音状态等。
文件可以指定播放位置、调节音量大小、设置静音状态等。
支持倍速播放文件，可选0.5倍、1.0倍、2.5倍、5.0倍等速度，相当于慢放和快放。
支持开始播放、停止播放、暂停播放、继续播放。
支持抓拍截图，可指定文件路径，可选抓拍完成是否自动显示预览。
支持录像存储，手动开始录像、停止录像，部分内核支持暂停录像后继续录像，跳过不需要录像的部分。
支持无感知切换循环播放、自动重连等机制。
提供播放成功、播放完成、收到解码图片、收到抓拍图片、视频尺寸变化、录像状态变化等信号。
多线程处理，一个解码一个线程，不卡主界面。

4.2. 特色功能

同时支持多种解码内核，包括qmedia内核（Qt4/Qt5/Qt6）、ffmpeg内核（ffmpeg2/ffmpeg3/ffmpeg4/ffmpeg5/ffmpeg6）、vlc内核（vlc2/vlc3）、mpv内核（mpv1/mp2）、mdk内核、海康sdk、easyplayer内核等。
非常完善的多重基类设计，新增一种解码内核只需要实现极少的代码量，就可以应用整套机制，极易拓展。
同时支持多种画面显示策略，自动调整（原始分辨率小于显示控件尺寸则按照原始分辨率大小显示，否则等比缩放）、等比缩放（永远等比缩放）、拉伸填充（永远拉伸填充）。所有内核和所有视频显示模式下都支持三种画面显示策略。
同时支持多种视频显示模式，句柄模式（传入控件句柄交给对方绘制控制）、绘制模式（回调拿到数据后转成QImage用QPainter绘制）、GPU模式（回调拿到数据后转成yuv用QOpenglWidget绘制）。
支持多种硬件加速类型，ffmpeg可选dxva2、d3d11va等，vlc可选any、dxva2、d3d11va，mpv可选auto、dxva2、d3d11va，mdk可选dxva2、d3d11va、cuda、mft等。不同的系统环境有不同的类型选择，比如linux系统有vaapi、vdpau，macos系统有videotoolbox。
解码线程和显示窗体分离，可指定任意解码内核挂载到任意显示窗体，动态切换。
支持共享解码线程，默认开启并且自动处理，当识别到相同的视频地址，共享一个解码线程，在网络视频环境中可以大大节约网络流量以及对方设备的推流压力。国内顶尖视频厂商均采用此策略。这样只要拉一路视频流就可以共享到几十个几百个通道展示。
自动识别视频旋转角度并绘制，比如手机上拍摄的视频一般是旋转了90度的，播放的时候要自动旋转处理，不然默认是倒着的。
自动识别视频流播放过程中分辨率的变化，在视频控件上自动调整尺寸。比如摄像机可以在使用过程中动态配置分辨率，当分辨率改动后对应视频控件也要做出同步反应。
音视频文件无感知自动切换循环播放，不会出现切换期间黑屏等肉眼可见的切换痕迹。
视频控件同时支持任意解码内核、任意画面显示策略、任意视频显示模式。
视频控件悬浮条同时支持句柄、绘制、GPU三种模式，非绝对坐标移来移去。
本地摄像头设备支持指定设备名称、分辨率、帧率进行播放。
本地桌面采集支持设定采集区域、偏移值、指定桌面索引、帧率、多个桌面同时采集等。还支持指定窗口标题采集固定窗口。
录像文件同时支持打开的视频文件、本地摄像头、本地桌面、网络视频流等。
瞬间响应打开和关闭，无论是打开不存在的视频或者网络流，探测设备是否存在，读取中的超时等待，收到关闭指令立即中断之前的操作并响应。
支持打开各种图片文件，支持本地音视频文件拖曳播放。
视频流通信方式可选tcp/udp，有些设备可能只提供了某一种协议通信比如tcp，需要指定该种协议方式打开。
可设置连接超时时间（视频流探测用的超时时间）、读取超时时间（采集过程中的超时时间）。
支持逐帧播放，提供上一帧/下一帧函数接口，可以逐帧查阅采集到的图像。
音频文件自动提取专辑信息比如标题、艺术家、专辑、专辑封面，自动显示专辑封面。
视频响应极低延迟0.2s左右，极速响应打开视频流0.5s左右，专门做了优化处理。
支持H264/H265编码（现在越来越多的监控摄像头是H265视频流格式）生成视频文件，内部自动识别切换编码格式。
支持用户信息中包含特殊字符（比如用户信息中包含+#@等字符）的视频流播放，内置解析转义处理。
支持滤镜，各种水印及图形效果，支持多个水印和图像，可以将OSD标签信息和各种图形信息写入到MP4文件。
支持视频流中的各种音频格式，AAC、PCM、G.726、G.711A、G.711Mu、G.711ulaw、G.711alaw、MP2L2等都支持，推荐选择AAC兼容性跨平台性最好。
内核ffmpeg采用纯qt+ffmpeg解码，非sdl等第三方绘制播放依赖，gpu绘制采用qopenglwidget，音频播放采用qaudiooutput。
内核ffmpeg和内核mdk支持安卓，其中mdk支持安卓硬解码，性能非常凶残。
可以切换音视频轨道，也就是节目通道，可能ts文件带了多个音视频节目流，可以分别设置要播放哪一个，可以播放前设置好和播放过程中动态设置。
可以设置视频旋转角度，可以播放前设置好和播放过程中动态改变。
视频控件悬浮条自带开始和停止录像切换、声音静音切换、抓拍截图、关闭视频等功能。
音频组件支持声音波形值数据解析，可以根据该值绘制波形曲线和柱状声音条，默认提供了声音振幅信号。
标签和图形信息支持三种绘制方式，绘制到遮罩层、绘制到图片、源头绘制（对应信息可以存储到文件）。
通过传入一个url地址，该地址可以带上通信协议、分辨率、帧率等信息，无需其他设置。
保存视频到文件支持三种策略，自动处理、仅限文件、全部转码，转码策略支持自动识别、转264、转265，编码保存支持指定分辨率缩放或者等比例缩放。比如对保存文件体积有要求可以指定缩放后再存储。
支持加密保存文件和解密播放文件，可以指定秘钥文本。
提供的监控布局类支持64通道同时显示，还支持各种异型布局，比如13通道，手机上6行2列布局。各种布局可以自由定义。
支持电子放大，在悬浮条切换到电子放大模式，在画面上选择需要放大的区域，选取完毕后自动放大，再次切换放大模式可以复位。
各组件中极其详细的打印信息提示，尤其是报错信息提示，封装的统一打印格式。针对现场复杂的设备环境测试极其方便有用，相当于精确定位到具体哪个通道哪个步骤出错。
同时提供了简单示例、视频播放器、多画面视频监控、监控回放、逐帧播放、多屏渲染等单独窗体示例，专门演示对应功能如何使用。
监控回放可选不同厂家类型、回放时间段、用户信息、指定通道。支持切换回放进度。
可以从声卡设备下拉框选择声卡播放声音，提供对应的切换声卡函数接口。
支持编译到手机app使用，提供了专门的手机app布局界面，可以作为手机上的视频监控使用。
代码框架和结构优化到最优，性能强悍，注释详细，持续迭代更新升级。
源码支持windows、linux、mac、android等，支持各种国产linux系统，包括但不限于统信UOS/中标麒麟/银河麒麟等。还支持嵌入式linux。
源码支持Qt4、Qt5、Qt6，兼容所有版本。

4.3. 视频控件

可动态添加任意多个osd标签信息，标签信息包括名字、是否可见、字号大小、文本文字、文本颜色、背景颜色、标签图片、标签坐标、标签格式（文本、日期、时间、日期时间、图片）、标签位置（左上角、左下角、右上角、右下角、居中、自定义坐标）。
可动态添加任意多个图形信息，这个非常有用，比如人工智能算法解析后的图形区域信息直接发给视频控件即可。图形信息支持任意形状，直接绘制在原始图片上，采用绝对坐标。
图形信息包括名字、边框大小、边框颜色、背景颜色、矩形区域、路径集合、点坐标集合等。
每个图形信息都可指定三种区域中的一种或者多种，指定了的都会绘制。
内置悬浮条控件，悬浮条位置支持顶部、底部、左侧、右侧。
悬浮条控件参数包括边距、间距、背景透明度、背景颜色、文本颜色、按下颜色、位置、按钮图标代码集合、按钮名称标识集合、按钮提示信息集合。
悬浮条控件一排工具按钮可自定义，通过结构体参数设置，图标可选图形字体还是自定义图片。
悬浮条按钮内部实现了录像切换、抓拍截图、静音切换、关闭视频等功能，也可以自行在源码中增加自己对应的功能。
悬浮条按钮对应实现了功能的按钮，有对应图标切换处理，比如录像按钮按下后会切换到正在录像中的图标，声音按钮切换后变成静音图标，再次切换还原。
悬浮条按钮单击后都用名称唯一标识作为信号发出，可以自行关联响应处理。
悬浮条空白区域可以显示提示信息，默认显示当前视频分辨率大小，可以增加帧率、码流大小等信息。
视频控件参数包括边框大小、边框颜色、焦点颜色、背景颜色（默认透明）、文字颜色（默认全局文字颜色）、填充颜色（视频外的空白处填充黑色）、背景文字、背景图片（如果设置了图片优先取图片）、是否拷贝图片、缩放显示模式（自动调整、等比缩放、拉伸填充）、视频显示模式（句柄、绘制、GPU）、启用悬浮条、悬浮条尺寸（横向为高度、纵向为宽度）、悬浮条位置（顶部、底部、左侧、右侧）。

五、相关代码

void OsdGraph::addDateTimeOsd(AbstractVideoWidget *widget, const QString &name, int size, OsdPosition position)
{
    OsdInfo osd;
    osd.name = name;
    osd.fontSize = size;
    osd.color = "#FFFFFF";
    osd.format = OsdFormat_DateTime;
    osd.position = position;
    widget->setOsd(osd);
}

int OsdGraph::getOsdSide(const QRect &rect, quint8 position, quint8 side, int offset, int height)
{
    //根据边缘切换是否在里边显示文本
    if (side == 0) {
        //默认显示到外边
        if (height == 0) {
            return 2;
        }

        //文本位置在顶部则区域靠近顶部需要里边显示文本
        //文本位置在底部则区域靠近底部需要里边显示文本
        if ((position == 1 || position == 2)) {
            if (rect.y() < offset) {
                side = 1;
            }
        } else if (position == 3 || position == 4) {
            if (height - (rect.y() + rect.height()) < offset) {
                side = 1;
            }
        }
    }

    return side;
}

QPoint OsdGraph::getOsdPoint(const QRect &rect, quint8 position, quint8 side, int padding, int fwidth, int fheight)
{
    int offset = padding;
    int x = rect.x();
    int y = rect.y();
    int w = rect.width();
    int h = rect.height();

    //根据位置上下左右/里面还是外边/计算出文本摆放的位置
    QPoint point;
    if (side == 1) {
        if (position == 1) {
            point.setX(x + offset);
            point.setY(y + offset);
        } else if (position == 2) {
            point.setX(x + w - fwidth - offset);
            point.setY(y + offset);
        } else if (position == 3) {
            point.setX(x + offset);
            point.setY(y + h - fheight - offset);
        } else if (position == 4) {
            point.setX(x + w - fwidth - offset);
            point.setY(y + h - fheight - offset);
        }
    } else {
        if (position == 1) {
            point.setX(x + offset);
            point.setY(y - fheight - (offset / 2));
        } else if (position == 2) {
            point.setX(x + w - fwidth - offset);
            point.setY(y - fheight - (offset / 2));
        } else if (position == 3) {
            point.setX(x + offset);
            point.setY(y + h + offset);
        } else if (position == 4) {
            point.setX(x + w - fwidth - offset);
            point.setY(y + h + offset);
        }
    }

    return point;
}

void OsdGraph::mergeOsdGraph(const QList<QString> &texts, const QList<QColor> &textColors, int fontSize,
                             const QList<QRect> &rects, const QList<QColor> &borderColors, int borderWidth,
                             QList<OsdInfo> &osds, QList<GraphInfo> &graphs, int videoHeight,
                             quint8 position, quint8 side)
{
    int count1 = rects.count();
    int count2 = texts.count();
    if (count1 == 0 || count1 != count2) {
        return;
    }

    //用于计算对应字体文本尺寸
    QFont font;
    font.setFamily("wenquanyi");
    font.setPixelSize(fontSize);
    QFontMetrics fm(font);
    int fwidth;
    int fheight = fm.height();

    //一个文本对应一个矩形区域
    for (int i = 0; i < count1; ++i) {
        QString text = texts.at(i);
        QRect rect = rects.at(i);
        int sidex = OsdGraph::getOsdSide(rect, position, side, fheight + 5, videoHeight);
        WidgetHelper::getTextRect(&fm, text, fwidth, fheight);

        //添加文本
        OsdInfo osd;
        osd.name = QString("osd_%1").arg(i);
        osd.text = text;
        osd.format = OsdFormat_Text;
        osd.color = textColors.at(i);
        osd.bgColor = borderColors.at(i);
        osd.bgPadding = borderWidth;
        osd.fontSize = fontSize;
        osd.position = OsdPosition_Custom;
        osd.point = OsdGraph::getOsdPoint(rect, position, sidex, osd.bgPadding, fwidth, fheight);
        osds << osd;

        //添加图形
        GraphInfo graph;
        graph.name = QString("graph_%1").arg(i);
        graph.rect = rect;
        graph.borderColor = borderColors.at(i);
        graph.borderWidth = borderWidth;
        graphs << graph;
    }
}

void OsdGraph::testOsdGraph(AbstractVideoWidget *widget, int fontSize, quint8 position, quint8 side)
{
    //为了自适应各种分辨率/多个参数直接根据视频尺寸来计算
    int videoWidth = widget->getVideoWidth();
    int videoHeight = widget->getVideoHeight();
    int borderWidth = WidgetHelper::getBorderWidth(widget);
    if (videoWidth == 0 || videoHeight == 0) {
        return;
    }

    //每个文本可以指定不同的颜色
    QList<QString> texts = QList<QString>() << "张三" << "这是李四";
    QList<QColor> textColors = QList<QColor>() << "#ffffff" << "#000000";

    //每个方框可以指定不同的颜色
    QList<QRect> rects = QList<QRect>() << QRect(videoWidth / 30, videoHeight / 35, videoWidth / 5, videoHeight / 5) << QRect(videoWidth / 3, videoHeight / 10, videoWidth / 3, videoHeight / 2);
    QList<QColor> borderColors = QList<QColor>() << "#ff0000" << "#00ff00";

    //合并文本和区域
    QList<OsdInfo> osds;
    QList<GraphInfo> graphs;
    OsdGraph::mergeOsdGraph(texts, textColors, fontSize, rects, borderColors, borderWidth, osds, graphs, videoHeight, position, side);

    int count = osds.count();
    for (int i = 0; i < count; ++i) {
        widget->setOsd(osds.at(i));
        widget->setGraph(graphs.at(i));
    }
}

标签：视频,int,合并,支持,音视频,offset,position,图形,osd
From： https://www.cnblogs.com/feiyangqingyun/p/18199058