【FFmpeg(2016)】PCM编码AAC

╰半夏微凉° 2022-06-02 00:41 236阅读 0赞

[http://blog.csdn.net/Jammg/article/details/52684894][http_blog.csdn.net_Jammg_article_details_52684894]

## 【前言】 ##

本文章主要是将 PCM原始数据编码为AAC。

测试文件则是上一篇文章生成的PCM文件：

# [【FFmpeg(2016)】视频文件分离器(demuxing)——H264&PCM][FFmpeg_2016_demuxing_H264_PCM] #

音频数据format分很多种类型，16bit,32bit等，而2016 ffmpeg只支持最新的AAC格式，32bit，也就是AV\_SAMPLE\_FMT\_FLTP。

所以，想对PCM进行编码得先确保PCM是AV\_SAMPLE\_FMT\_FLTP类型的。

【AAC封装格式】

AAC有两种封装格式，分别是ADIF ADTS，多与流媒体一般使用ADTS格式。见：

[AAC ADTS格式分析][AAC ADTS]

## 【FFmpeg数据结构】 ##

\[cpp\] [view plain][] [copy][view plain]

1.  AVCodecContext 
2.  AVCodec 
3.  AVCodecID 
4.  AVFrame 
5.  AVPacket

对PCM文件的读写直接使用FILE文件指针。

AVCodec是一个编码器，可以单纯的理解为一个编解码算法的结构。

AVCodecContext是AVCodec的一个上下文，打个比如，在视频编码h264时，有i p b三种帧，如果有一个视频流是 I B B P这种顺序到达，由于B帧需要依靠前后的帧来计算出本帧现实的内容，所有需要一些buffer保存一些，以根据这些来计算出B帧的内容，当然还有很多其他的内容。

AVCodecID是编码器的ID，如编码AAC是，就使用AV\_CODEC\_ID\_AAC。

AVFrame 是编码前、解码后保存的数据。  
AVPacket是编码后、解码前保存的数据。

关于官方定义的AVFrame:

\[cpp\] [view plain][] [copy][view plain]

1.  typedefstruct AVFrame \{ 
2.  \#define AV\_NUM\_DATA\_POINTERS 8
3.  /\*\*
4.   \* pointer to the picture/channel planes.
5.   \* This might be different from the first allocated byte
6.   \*
7.   \* Some decoders access areas outside 0,0 - width,height, please
8.   \* see avcodec\_align\_dimensions2(). Some filters and swscale can read
9.   \* up to 16 bytes beyond the planes, if these filters are to be used,
10.  \* then 16 extra bytes must be allocated.
11.  \*
12.  \* NOTE: Except for hwaccel formats, pointers not needed by the format
13.  \* MUST be set to NULL.
14.  \*/
15.  uint8\_t \*data\[AV\_NUM\_DATA\_POINTERS\]; 
16. 
17. /\*\*
18.  \* For video, size in bytes of each picture line.
19.  \* For audio, size in bytes of each plane.
20.  \*
21.  \* For audio, only linesize\[0\] may be set. For planar audio, each channel
22.  \* plane must be the same size.
23.  \*
24.  \* For video the linesizes should be multiples of the CPUs alignment
25.  \* preference, this is 16 or 32 for modern desktop CPUs.
26.  \* Some code requires such alignment other code can be slower without
27.  \* correct alignment, for yet other it makes no difference.
28.  \*
29.  \* @note The linesize may be larger than the size of usable data -- there
30.  \* may be extra padding present for performance reasons.
31.  \*/
32. int linesize\[AV\_NUM\_DATA\_POINTERS\]; 
33. 
34. /\*\*
35.  \* pointers to the data planes/channels.
36.  \*
37.  \* For video, this should simply point to data\[\].
38.  \*
39.  \* For planar audio, each channel has a separate data pointer, and
40.  \* linesize\[0\] contains the size of each channel buffer.
41.  \* For packed audio, there is just one data pointer, and linesize\[0\]
42.  \* contains the total size of the buffer for all channels.
43.  \*
44.  \* Note: Both data and extended\_data should always be set in a valid frame,
45.  \* but for planar audio with more channels that can fit in data,
46.  \* extended\_data must be used in order to access all channels.
47.  \*/
48.  uint8\_t \*\*extended\_data; 
49. 
50.  ......其他成员 
51. 
52. \} AVFrame;

对于视频，目前比较流行的是H264压缩标准，好像没见过其他编码方式，而H264只能由YUV图像编码，也就是说H264解码后就是三个YUV分量，他们的数据会分别存在，data\[0\],data\[1\],data\[2\] ,而linesize\[0\],linesize\[1\],linesize\[2\]分别代表各个数据的长度。

对于音频，由于有多声道的音频，那么音频解码出来的数据不同声道也储存在不同的指针，如data\[0\]是左声道,data\[1\]是右声道，由于各个声道的数据长度是一样的，所以linesize\[0\]就代表了所有声道数据的长度。

成员extended\_data则指向了data，是一个拓展，上面可以看到data 是包含8个指针的数组，也就是说对于音频，最多只支持8个声道。

## 【代码】 ##

\[cpp\] [view plain][] [copy][view plain]

1.  extern"C"
2.  \{ 
3.  \#include "libavformat/avformat.h"
4.  \#include "libavutil/avutil.h"
5.  \#include "libavcodec/avcodec.h"
6.  \#include "libavutil/frame.h"
7.  \#include "libavutil/samplefmt.h"
8.  \#include "libavformat/avformat.h"
9.  \#include "libavcodec/avcodec.h"
10. \} 
11. 
12. \#pragma comment(lib, "avcodec.lib")
13. \#pragma comment(lib, "avfilter.lib")
14. \#pragma comment(lib, "avformat.lib")
15. \#pragma comment(lib, "avutil.lib")
16. 
17. /\* PCM转AAC \*/
18. int main() 
19. \{ 
20. 
21. char \*padts = (char \*)malloc(sizeof(char) \* 7); 
22. int profile = 2; //AAC LC
23. int freqIdx = 4; //44.1KHz
24. int chanCfg = 2; //MPEG-4 Audio Channel Configuration. 1 Channel front-center
25.  padts\[0\] = (char)0xFF; // 11111111 = syncword
26.  padts\[1\] = (char)0xF1; // 1111 1 00 1 = syncword MPEG-2 Layer CRC
27.  padts\[2\] = (char)(((profile - 1) << 6) + (freqIdx << 2) + (chanCfg >> 2)); 
28.  padts\[6\] = (char)0xFC; 
29. 
30.  AVCodec \*pCodec; 
31.  AVCodecContext \*pCodecCtx = NULL; 
32. int i, ret, got\_output; 
33. FILE \*fp\_in; 
34. FILE \*fp\_out; 
35. 
36.  AVFrame \*pFrame; 
37.  uint8\_t\* frame\_buf; 
38. int size = 0; 
39. 
40.  AVPacket pkt; 
41. int y\_size; 
42. int framecnt = 0; 
43. 
44. char filename\_in\[\] = "audio.pcm"; 
45. 
46.  AVCodecID codec\_id = AV\_CODEC\_ID\_AAC; 
47. char filename\_out\[\] = "audio.aac"; 
48. 
49. int framenum = 100000; 
50. 
51.  avcodec\_register\_all(); 
52. 
53.  pCodec = avcodec\_find\_encoder(codec\_id); 
54. if (!pCodec) \{ 
55.  printf("Codec not found\\n"); 
56. return \-1; 
57.  \} 
58. 
59.  pCodecCtx = avcodec\_alloc\_context3(pCodec); 
60. if (!pCodecCtx) \{ 
61.  printf("Could not allocate video codec context\\n"); 
62. return \-1; 
63.  \} 
64. 
65.  pCodecCtx->codec\_id = codec\_id; 
66.  pCodecCtx->codec\_type = AVMEDIA\_TYPE\_AUDIO; 
67.  pCodecCtx->sample\_fmt = AV\_SAMPLE\_FMT\_FLTP; 
68.  pCodecCtx->sample\_rate = 44100; 
69. 
70. 
71.  pCodecCtx->channel\_layout = AV\_CH\_LAYOUT\_STEREO; 
72.  pCodecCtx->channels = av\_get\_channel\_layout\_nb\_channels(pCodecCtx->channel\_layout); 
73.  qDebug() << av\_get\_channel\_layout\_nb\_channels(pCodecCtx->channel\_layout); 
74. 
75. 
76. 
77. if ((ret = avcodec\_open2(pCodecCtx, pCodec, NULL)) < 0) \{ 
78.  qDebug() << "avcodec\_open2 error ----> " << ret; 
79. 
80.  printf("Could not open codec\\n"); 
81. return \-1; 
82.  \} 
83. 
84.  pFrame = av\_frame\_alloc(); 
85. 
86.  pFrame->nb\_samples = pCodecCtx->frame\_size; //1024,默认每一帧的采样个数是frame\_size,貌似也改变不了
87.  pFrame->format = pCodecCtx->sample\_fmt; 
88.  pFrame->channels = 2; 
89. 
90.  size = av\_samples\_get\_buffer\_size(NULL, pCodecCtx->channels, pCodecCtx->frame\_size, pCodecCtx->sample\_fmt, 0); 
91.  frame\_buf = (uint8\_t \*)av\_malloc(size); 
92. /\*\*
93.  \* avcodec\_fill\_audio\_frame 实现：
94.  \* frame\_buf是根据声道数、采样率和采样格式决定大小的。
95.  \* 调用次函数后，AVFrame存储音频数据的成员有以下变化：data\[0\]指向frame\_buf，data\[1\]指向frame\_buf长度的一半位置
96.  \* data\[0\] == frame\_buf , data\[1\] == frame\_buf + pCodecCtx->frame\_size \* av\_get\_bytes\_per\_sample(pCodecCtx->sample\_fmt)
97.  \*/
98.  ret = avcodec\_fill\_audio\_frame(pFrame, pCodecCtx->channels, pCodecCtx->sample\_fmt, (const uint8\_t\*)frame\_buf, size, 0); 
99. 
100. if (ret < 0) 
101.  \{ 
102.  qDebug() << "avcodec\_fill\_audio\_frame error "; 
103. return 0; 
104.  \} 
105. 
106. //Input raw data
107.  fp\_in = fopen(filename\_in, "rb"); 
108. if (!fp\_in) \{ 
109.  printf("Could not open %s\\n", filename\_in); 
110. return \-1; 
111.  \} 
112. 
113. //Output bitstream
114.  fp\_out = fopen(filename\_out, "wb"); 
115. if (!fp\_out) \{ 
116.  printf("Could not open %s\\n", filename\_out); 
117. return \-1; 
118.  \} 
119. 
120. //Encode
121. for (i = 0; i < framenum; i++) \{ 
122.  av\_init\_packet(&pkt); 
123.  pkt.data = NULL; // packet data will be allocated by the encoder
124.  pkt.size = 0; 
125. //Read raw data
126. if (fread(frame\_buf, 1, size, fp\_in) <= 0) \{ 
127.  printf("Failed to read raw data! \\n"); 
128. return \-1; 
129.  \} 
130. elseif (feof(fp\_in)) \{ 
131. break; 
132.  \} 
133. 
134.  pFrame->pts = i; 
135. 
136.  ret = avcodec\_encode\_audio2(pCodecCtx, &pkt, pFrame, &got\_output); 
137. 
138. if (ret < 0) \{ 
139.  qDebug() << "error encoding"; 
140. return \-1; 
141.  \} 
142. 
143. if (pkt.data == NULL) 
144.  \{ 
145.  av\_free\_packet(&pkt); 
146. continue; 
147.  \} 
148. 
149.  qDebug() << "got\_ouput = " << got\_output; 
150. if (got\_output) \{ 
151.  qDebug() << "Succeed to encode frame : " << framecnt << " size :" << pkt.size; 
152. 
153.  framecnt++; 
154. 
155.  padts\[3\] = (char)(((chanCfg & 3) << 6) + ((7 + pkt.size) >> 11)); 
156.  padts\[4\] = (char)(((7 + pkt.size) & 0x7FF) >> 3); 
157.  padts\[5\] = (char)((((7 + pkt.size) & 7) << 5) + 0x1F); 
158.  fwrite(padts, 7, 1, fp\_out); 
159.  fwrite(pkt.data, 1, pkt.size, fp\_out); 
160. 
161.  av\_free\_packet(&pkt); 
162.  \} 
163.  \} 
164. //Flush Encoder
165. for (got\_output = 1; got\_output; i++) \{ 
166.  ret = avcodec\_encode\_audio2(pCodecCtx, &pkt, NULL, &got\_output); 
167. if (ret < 0) \{ 
168.  printf("Error encoding frame\\n"); 
169. return \-1; 
170.  \} 
171. if (got\_output) \{ 
172.  printf("Flush Encoder: Succeed to encode 1 frame!\\tsize:%5d\\n", pkt.size); 
173.  padts\[3\] = (char)(((chanCfg & 3) << 6) + ((7 + pkt.size) >> 11)); 
174.  padts\[4\] = (char)(((7 + pkt.size) & 0x7FF) >> 3); 
175.  padts\[5\] = (char)((((7 + pkt.size) & 7) << 5) + 0x1F); 
176. 
177.  fwrite(padts, 7, 1, fp\_out); 
178.  fwrite(pkt.data, 1, pkt.size, fp\_out); 
179.  av\_free\_packet(&pkt); 
180.  \} 
181.  \} 
182. 
183.  fclose(fp\_out); 
184.  avcodec\_close(pCodecCtx); 
185.  av\_free(pCodecCtx); 
186.  av\_freep(&pFrame->data\[0\]); 
187.  av\_frame\_free(&pFrame); 
188. 
189. return 0; 
190. \}

## 【错误的结果】由于PCM格式不正确 ##

使用上一篇文章产生的PCM来转换AAC是错误的。

因为上一篇文章保存的音频格式： L(一个采样点)R(一个采样点)LRLRLR..............

由于AVframe结构体data指针数组不同指针代表指向不同声道的数据，所以产生错误。

上述代码，data指向情况：

![Center][]

而FFmpeg编码PCM为AAC时，需要的是：

![Center 1][]

所以，我要让到读取一帧时，刚好让data\[0\]指向一个声道的数据，而data\[1\]指向另一个声道的数据。

## 【解决方法】 ##

由上述代码我们知道AVFrame->nb\_samples 默认是1024，所以每一帧一个声道读取的数据为：

\[cpp\] [view plain][] [copy][view plain]

1.  int length = AVFrame->nb\_samples \* av\_get\_byte\_per\_sample((AVSampleFormat)AVFrame->format);

这里也就是4096字节。

所以写PCM文件时，应该是：

![Center 2][]

[【FFmpeg(2016)】视频文件分离器(demuxing)——H264&PCM][FFmpeg_2016_demuxing_H264_PCM]

写PCM文件的代码：

\[cpp\] [view plain][] [copy][view plain]

1.  /\*\*
2.  \* 在这里写入文件时我做了一些处理，这是有原因的。
3.  \* 下面的意思是，LRLRLR...的方式写入文件，每次写入4096个字节
4.  \*/
5.  int k=0, h=0; 
6.  for (int i = 0; i < 4; ++i) 
7.  \{ 
8.  if (i % 2 == 0) 
9.   \{ 
10. int tmp = data\_size / 4; 
11. for (int j = 0; j < tmp; j+=4,k++ ) 
12.  \{ 
13.  data\[i \* 4096 + j+0\] = (char)(l\[k\] & 0xff); 
14.  data\[i \* 4096 + j+1\] = (char)(l\[k\] >> 8 & 0xff); 
15.  data\[i \* 4096 + j+2\] = (char)(l\[k\] >> 16 & 0xff); 
16.  data\[i \* 4096 + j+3\] = (char)(l\[k\] >> 24 & 0xff); 
17.  \} 
18.  \} 
19. else
20.  \{ 
21. int tmp = data\_size / 4; 
22. for (int j = 0; j < tmp; j += 4,h++) 
23.  \{ 
24.  data\[i \* 4096 + j+0\] = (char)(r\[h\] & 0xff); 
25.  data\[i \* 4096 + j+1\] = (char)(r\[h\] >> 8 & 0xff); 
26.  data\[i \* 4096 + j+2\] = (char)(r\[h\] >> 16 & 0xff); 
27.  data\[i \* 4096 + j+3\] = (char)(r\[h\] >> 24 & 0xff); 
28.  \} 
29.  \} 
30. \}

## 【Planar】这是FFmpeg的一个新概念，貌似在2014版ffmpeg还没有这个概念 ##

Planar即是：平面

官方对AVSampleFormat的定义如下：

\[cpp\] [view plain][] [copy][view plain]

1.  enum AVSampleFormat \{ 
2.   AV\_SAMPLE\_FMT\_NONE = -1, 
3.   AV\_SAMPLE\_FMT\_U8, ///< unsigned 8 bits
4.   AV\_SAMPLE\_FMT\_S16, ///< signed 16 bits
5.   AV\_SAMPLE\_FMT\_S32, ///< signed 32 bits
6.   AV\_SAMPLE\_FMT\_FLT, ///< float
7.   AV\_SAMPLE\_FMT\_DBL, ///< double
8.  
9.   AV\_SAMPLE\_FMT\_U8P, ///< unsigned 8 bits, planar
10.  AV\_SAMPLE\_FMT\_S16P, ///< signed 16 bits, planar
11.  AV\_SAMPLE\_FMT\_S32P, ///< signed 32 bits, planar
12.  AV\_SAMPLE\_FMT\_FLTP, ///< float, planar
13.  AV\_SAMPLE\_FMT\_DBLP, ///< double, planar
14.  AV\_SAMPLE\_FMT\_S64, ///< signed 64 bits
15.  AV\_SAMPLE\_FMT\_S64P, ///< signed 64 bits, planar
16. 
17.  AV\_SAMPLE\_FMT\_NB ///< Number of sample formats. DO NOT USE if linking dynamically
18. \};

后面有P的就代表是平面类型，所谓平面，即是音频数据不再是如此存储：

L（一个采样点）R（一个采样点）LRLRLRLR...............

对AVFrame而言，应该是data\[0\],data\[1\]分别指向左右声道数据，这就是平面的概念。（可以类比视频解码时的YUV存储方式）

L(一帧)R（一帧）LRLRLR............................

打开AAC编码器，可以看到只支持AV\_SAMPLE\_FMT\_FLTP类型：

\[cpp\] [view plain][] [copy][view plain]

1.  AVCodec \*codec = avcodec\_find\_encoder(AV\_CODEC\_ID\_AAC); 
2.  AVCodecContext \*codec\_ctx ; 
3.  avcodec\_open2(codec\_ctx, codec);

![Center 3][]

所以在编码AAC前，必须先却倒存储格式是正确的（虽然播放PCM时有点问题）。

## 【关于平面概念】 ##

[【FFmpeg(2016)】SwrContext重采样结构体][FFmpeg_2016_SwrContext]

[http_blog.csdn.net_Jammg_article_details_52684894]: http://blog.csdn.net/Jammg/article/details/52684894
[FFmpeg_2016_demuxing_H264_PCM]: http://blog.csdn.net/jammg/article/details/52684061
[AAC ADTS]: http://blog.csdn.net/andyhuabing/article/details/40983423
[view plain]: http://blog.csdn.net/Jammg/article/details/52684894#
[Center]: /images/20220602/3d1a772c86904e44abe73cac86a51cc1.png
[Center 1]: /images/20220602/d5f070811d224c70bb8b0e6a6111c196.png
[Center 2]: /images/20220602/d20ede33e24d474994179c765957de71.png
[Center 3]: /images/20220602/5d277d354cb849bb92ad59e8862f939e.png
[FFmpeg_2016_SwrContext]: http://blog.csdn.net/jammg/article/details/52688506