FFmpeg中的常用结构体分析

一.前言

　　在学习使用FFmpeg进行编解码时，我们有必要先去熟悉FFmpeg中的常用结构体，只有对它们的含义和用途有深刻的了解，我们才能为后面的学习打下坚实的基础。所以，这篇文章将会介绍这些常用的结构体有哪些，然后再介绍它们的具体用途。

二.常用的结构体分析

　　1.AVFormatContext:

　　　　它用于表示音视频容器的格式特定信息和状态，它可以用来读取和写入各种格式的音视频文件。AVFormatContext结构含有输入或输出格式的信息，例如格式名称、持续时间、比特率、流和元数据，它是与FFmpeg中音视频容器交互的主要接口。在读取多媒体文件时，通常使用avformat_open_input()函数打开文件，该函数会初始化一个AVFormatContext结构并填充所需的文件格式信息；在写入多媒体文件时，可以使用avformat_alloc_output_context2()函数创建一个AVFormatContext结构并填充所需的输出格式信息，然后可以使用avformat_new_stream()函数为AVFormatContext添加音视频流，并为每个流设置必要的编解码器参数。AVFormatContext结构还提供了从输入文件中读入数据包(av_read_frame())和向输出文件写入数据包(av_write_frame())以及其他功能。总的来说，AVFormatContext是FFmpeg中处理音视频容器的关键组件，为读取和写入各种格式的多媒体文件提供了抽象层。由于AVFormatContext结构体比较庞大，下面只列出该结构体中比较重要的成员，代码如下：

typedef struct AVFormatContext{
   const struct AVInputFormat *iformat; //指向输入格式的指针，包含输入文件格式的信息
   const struct AVOutputFormat *oformat; //指向输出格式的指针，包含输出文件格式的信息
   AVIOContext *pb; //指向输入/输出的AVIOContext结构体的指针
   AVDictionary *metadata; //指向元数据字典的指针,它包含有关音视频文件的元数据信息，如标题、作者、日期等
   unsigned int nb_streams; //表示流的数量,它指示在音视频文件中存在多少个流(如音频流、视频流、字幕流等)
   AVStream **streams;  //指向音频流或视频流的指针
   int64_t duration;   //音视频文件总时长
   int64_t bit_rate; 　//码率,也称比特率，单位时间传输的比特数
}AVFormatContext;

　　2.AVInputFormat:

　　　　它用来描述和处理输入媒体文件的格式信息，它的作用主要有以下几个方面：标识媒体文件的格式、解析和读取媒体文件、提供编解码器相关信息。下面给出该结构体的部分定义，代码如下：

typedef struct AVInputFormat {
    const char *name; //输入格式的名称，缩写
    const char *long_name;  //输入格式的完整名称
    int flags; //输入格式的标志，可用于指定一些特定的格式要求，如是否支持流式传输、是否支持实时解码等。
    const char *extensions; //文件扩展名
    const struct AVCodecTag * const *codec_tag; //媒体文件容器中所用的编解码器标签。    const char *mime_type; //支持该输入格式的MIME类型，用于通过MIME类型识别和匹配输入文件格式
    int raw_codec_id; //媒体文件容器所用的编解码器IDint (*read_probe)(const AVProbeData *); //探测函数指针，用于探测输入文件的格式
    int (*read_header)(struct AVFormatContext *);  //读取头部函数指针，用于解析输入文件的头部信息
    int (*read_packet)(struct AVFormatContext *, AVPacket *pkt); //读取数据包函数指针，用于读取输入文件中的数据包
    int (*read_close)(struct AVFormatContext *); //关闭输入流函数指针，用于在结束读取文件后释放相关资源
} AVInputFormat;

　　3.AVOutputFormat:

　　　　它用来描述和处理输出媒体文件的格式信息，和AVInputFormat很类似，它的结构体定义如下：

typedef struct AVOutputFormat {
    const char *name;
    const char *long_name;
    const char *mime_type;
    const char *extensions; 
    enum AVCodecID audio_codec; //音频编码器ID
    enum AVCodecID video_codec;    //视频编码器ID
    enum AVCodecID subtitle_codec;  //字幕编码器ID
    int flags;
    const struct AVCodecTag * const *codec_tag;} AVOutputFormat;

　　4.AVStream:

　　　　它用来描述媒体文件中的每个流，可以是音频流，也可以是视频流。它的结构体定义如下：

typedef struct AVStream {int index; //在AVFormatContext中的流索引
    int id; //流标识符，用来区分音频流和视频流
    AVCodecParameters *codecpar; //编解码器参数
    AVRational time_base;  //时间基
    int64_t start_time; //起始时间
    int64_t duration;   //时长
    int64_t nb_frames; //包含的帧的数量         
    AVDictionary *metadata;
    AVRational r_frame_rate;  //帧率
} AVStream;

　　5.AVCodecContext:

　　　　它用来表示音视频编解码器的上下文信息，包含了各种参数，配置和状态，用于初始化和控制音视频编解码器的行为，该结构体的部分定义如下：

typedef struct AVCodecContext{
    enum AVMediaType codec_type; //媒体文件类型
    const struct AVCodec  *codec;  //指向的编解码器
    enum AVCodecID     codec_id;  //编解码器id
    int64_t bit_rate; //码率
    AVRational time_base; //时间基
    int width, height;
    enum AVPixelFormat pix_fmt; //像素格式
    int channels; //声道数
    int sample_rate; //采样率
    enum AVSampleFormat sample_fmt; //采样格式
    int frame_size; //帧大小
    void *priv_data; //指向编解码器私有参数的指针
    int max_b_frames; //最大的b帧数量
    int gop_size; //关键帧间距，即两个I帧之间的帧的数量
}AVCodecContext;

　　6.AVCodec:

　　　　它用来表示音视频编解码器，定义了编解码器的属性和功能，该结构体的定义如下：

typedef struct AVCodec {
    const char *name; //编解码器的名称，缩写
    const char *long_name;  //编解码器的完整名称
    enum AVMediaType type; //媒体类型
    enum AVCodecID id;  //编解码器ID
    int capabilities;  //编解码器支持的功能和操作
    const AVRational *supported_framerates; //支持的帧率
    const enum AVPixelFormat *pix_fmts;    //支持的像素格式
    const int *supported_samplerates;     //支持的采样率 
    const enum AVSampleFormat *sample_fmts; //支持的采样格式
} AVCodec;

　　7.AVFrame:

　　　　AVFrame结构体一般用于存储原始数据，即未压缩数据，对视频来说是YUV,RGB，对音频来说是PCM。该结构体的部分定义如下：

typedef struct AVFrame{
    uint8_t *data[AV_NUM_DATA_POINTERS];  //存储音视频数据的缓冲区指针数组。不同的元素对应不同的数据平面，例如视频的Y、U、V分量或音频的声道数据
    int linesize[AV_NUM_DATA_POINTERS]; //每个数据平面的行大小（以字节为单位）
    int width, height;  //视频帧的宽度和高度
    int nb_samples;  //采样点个数
    int format;　//对于音频来说指的是音频采样格式，对于视频来说指的是像素格式
    int64_t pts;  //显示时间戳
    AVRational time_base; //时间基
    int sample_rate; //采样率
    int channels;  //声道数
    int64_t duration; //时长
}AVFrame;

　　8.AVPacket:

　　　　它用来存储编码后的视频帧数据，AVPacket保存了解复用之后，解码前的数据(仍然是压缩后的数据)和关于这些数据的一些附加信息，如显示时间戳，解码时间戳，数据时长和所在媒体流的索引等；该结构体的定义如下：

typedef struct AVPacket {
    AVBufferRef *buf;//用来管理data指针引用的数据缓存
    int64_t pts;//显示时间戳
    int64_t dts;//解码时间戳
    uint8_t *data;//指向保存压缩数据的指针，这就是AVPacket实际的数据
    int   size;//压缩数据的大小
    int   stream_index;//所属的流的索引
    AVPacketSideData *side_data;//填充容器的一些附件数据
    int64_t duration;//时长
    AVRational time_base;//时间基
} AVPacket;

　　9.AVIOContext:

　　　　它用来管理输入输出操作，AVIOContext提供了读取和写入数据的接口。AVFormatContext结构体中的pb指针就是AVIOContext类型的，当打开媒体文件时，AVFormatContext会创建和设置一个AVIOContext，并将其分配给pb指针，以便后续的读取操作可以使用该AVIOContext进行数据的读取，如果想要实现自定义的I/O操作，可以创建自己的AVIOContext，并将其分配给pb指针，从而使AVFormatContext使用自定义的I/O函数来读取或写入数据。该结构体的定义如下：

typedef struct AVIOContext {
    unsigned char *buffer;  //指向缓冲区的指针
    int buffer_size;       //缓冲区的大小
    unsigned char *buf_ptr; //当前的读取或写入位置
    unsigned char *buf_end; //缓冲区有效数据的末尾位置
    void *opaque; //指向用户自定义数据的指针        
    int (*read_packet)(void *opaque, uint8_t *buf, int buf_size); //读取数据的回调函数指针
    int (*write_packet)(void *opaque, uint8_t *buf, int buf_size); //写入数据的回调函数指针
    int64_t (*seek)(void *opaque, int64_t offset, int whence); //定位到指定位置的回调函数指针
} AVIOContext;