Android音視頻開(kāi)發(fā)——MediaCodec播放H264視頻

所以67實(shí)際就是sps

創(chuàng)新互聯(lián)公司堅(jiān)持“要么做到，要么別承諾”的工作理念，服務(wù)領(lǐng)域包括：網(wǎng)站制作、網(wǎng)站建設(shè)、企業(yè)官網(wǎng)、英文網(wǎng)站、手機(jī)端網(wǎng)站、網(wǎng)站推廣等服務(wù)，滿足客戶于互聯(lián)網(wǎng)時(shí)代的大城網(wǎng)站設(shè)計(jì)、移動(dòng)媒體設(shè)計(jì)的需求，幫助企業(yè)找到有效的互聯(lián)網(wǎng)解決方案。努力成為您成熟可靠的網(wǎng)絡(luò)建設(shè)合作伙伴！

為什么視頻編碼采用YUV而不是rgb

MediaCodec概念

大家可能不太容易明白，我畫(huà)了一個(gè)圖

如果第二個(gè)參數(shù)設(shè)置了surface，那么在釋放的時(shí)候releaseOutputBuffer的第二個(gè)參數(shù)需要設(shè)置為true

如果第二個(gè)參數(shù)設(shè)置為null.那么在釋放的時(shí)候releaseOutputBuffer的第二個(gè)參數(shù)需要設(shè)置為false

因此我們可以設(shè)置編碼器的初始化

2、找到可用的byeBuffer，并將bytebuffer塞數(shù)據(jù)，塞完數(shù)據(jù)，需要通知dsp去解碼

android音視頻開(kāi)發(fā)怎么做？

android音視頻開(kāi)發(fā)要想不費(fèi)什么功夫的話，可以選擇接入第三方的SDK，比如ZEGO即構(gòu)科技，開(kāi)發(fā)者可以調(diào)用ZEGO的API，4行代碼30分鐘就可以在應(yīng)用內(nèi)搭建出音視頻場(chǎng)景，應(yīng)用在視頻會(huì)議、語(yǔ)音交友、秀場(chǎng)直播都可以

Android -- 音視頻基礎(chǔ)知識(shí)

幀，是視頻的一個(gè)基本概念，表示一張畫(huà)面，如上面的翻頁(yè)動(dòng)畫(huà)書(shū)中的一頁(yè)，就是一幀。一個(gè)視頻就是由許許多多幀組成的。

幀率，即單位時(shí)間內(nèi)幀的數(shù)量，單位為：幀/秒 或fps（frames per second）。一秒內(nèi)包含多少?gòu)垐D片，圖片越多，畫(huà)面越順滑，過(guò)渡越自然。 幀率的一般以下幾個(gè)典型值：

24/25 fps：1秒 24/25 幀，一般的電影幀率。

30/60 fps：1秒 30/60 幀，游戲的幀率，30幀可以接受，60幀會(huì)感覺(jué)更加流暢逼真。

85 fps以上人眼基本無(wú)法察覺(jué)出來(lái)了，所以更高的幀率在視頻里沒(méi)有太大意義。

這里我們只講常用到的兩種色彩空間。

RGB的顏色模式應(yīng)該是我們最熟悉的一種，在現(xiàn)在的電子設(shè)備中應(yīng)用廣泛。通過(guò)R G B三種基礎(chǔ)色，可以混合出所有的顏色。

這里著重講一下YUV，這種色彩空間并不是我們熟悉的。這是一種亮度與色度分離的色彩格式。

早期的電視都是黑白的，即只有亮度值，即Y。有了彩色電視以后，加入了UV兩種色度，形成現(xiàn)在的YUV，也叫YCbCr。

Y：亮度，就是灰度值。除了表示亮度信號(hào)外，還含有較多的綠色通道量。

U：藍(lán)色通道與亮度的差值。

V：紅色通道與亮度的差值。

音頻數(shù)據(jù)的承載方式最常用的是 脈沖編碼調(diào)制 ，即 PCM 。

在自然界中，聲音是連續(xù)不斷的，是一種模擬信號(hào)，那怎樣才能把聲音保存下來(lái)呢？那就是把聲音數(shù)字化，即轉(zhuǎn)換為數(shù)字信號(hào)。

我們知道聲音是一種波，有自己的振幅和頻率，那么要保存聲音，就要保存聲音在各個(gè)時(shí)間點(diǎn)上的振幅。

而數(shù)字信號(hào)并不能連續(xù)保存所有時(shí)間點(diǎn)的振幅，事實(shí)上，并不需要保存連續(xù)的信號(hào)，就可以還原到人耳可接受的聲音。

根據(jù)奈奎斯特采樣定理：為了不失真地恢復(fù)模擬信號(hào)，采樣頻率應(yīng)該不小于模擬信號(hào)頻譜中最高頻率的2倍。

根據(jù)以上分析，PCM的采集步驟分為以下步驟：

采樣率，即采樣的頻率。

上面提到，采樣率要大于原聲波頻率的2倍，人耳能聽(tīng)到的最高頻率為20kHz，所以為了滿足人耳的聽(tīng)覺(jué)要求，采樣率至少為40kHz，通常為44.1kHz，更高的通常為48kHz。

采樣位數(shù)，涉及到上面提到的振幅量化。波形振幅在模擬信號(hào)上也是連續(xù)的樣本值，而在數(shù)字信號(hào)中，信號(hào)一般是不連續(xù)的，所以模擬信號(hào)量化以后，只能取一個(gè)近似的整數(shù)值，為了記錄這些振幅值，采樣器會(huì)采用一個(gè)固定的位數(shù)來(lái)記錄這些振幅值，通常有8位、16位、32位。

位數(shù)越多，記錄的值越準(zhǔn)確，還原度越高。

最后就是編碼了。由于數(shù)字信號(hào)是由0，1組成的，因此，需要將幅度值轉(zhuǎn)換為一系列0和1進(jìn)行存儲(chǔ)，也就是編碼，最后得到的數(shù)據(jù)就是數(shù)字信號(hào)：一串0和1組成的數(shù)據(jù)。

整個(gè)過(guò)程如下：

聲道數(shù)，是指支持能不同發(fā)聲（注意是不同聲音）的音響的個(gè)數(shù)。 單聲道：1個(gè)聲道

雙聲道：2個(gè)聲道

立體聲道：默認(rèn)為2個(gè)聲道

立體聲道（4聲道）：4個(gè)聲道

碼率，是指一個(gè)數(shù)據(jù)流中每秒鐘能通過(guò)的信息量，單位bps（bit per second）

碼率 = 采樣率 * 采樣位數(shù) * 聲道數(shù)

這里的編碼和上面音頻中提到的編碼不是同個(gè)概念，而是指壓縮編碼。

我們知道，在計(jì)算機(jī)的世界中，一切都是0和1組成的，音頻和視頻數(shù)據(jù)也不例外。由于音視頻的數(shù)據(jù)量龐大，如果按照裸流數(shù)據(jù)存儲(chǔ)的話，那將需要耗費(fèi)非常大的存儲(chǔ)空間，也不利于傳送。而音視頻中，其實(shí)包含了大量0和1的重復(fù)數(shù)據(jù)，因此可以通過(guò)一定的算法來(lái)壓縮這些0和1的數(shù)據(jù)。

特別在視頻中，由于畫(huà)面是逐漸過(guò)渡的，因此整個(gè)視頻中，包含了大量畫(huà)面/像素的重復(fù)，這正好提供了非常大的壓縮空間。

因此，編碼可以大大減小音視頻數(shù)據(jù)的大小，讓音視頻更容易存儲(chǔ)和傳送。

視頻編碼格式有很多，比如H26x系列和MPEG系列的編碼，這些編碼格式都是為了適應(yīng)時(shí)代發(fā)展而出現(xiàn)的。

其中，H26x（1/2/3/4/5）系列由ITU（International Telecommunication Union）國(guó)際電傳視訊聯(lián)盟主導(dǎo)

MPEG（1/2/3/4）系列由MPEG（Moving Picture Experts Group, ISO旗下的組織）主導(dǎo)。

當(dāng)然，他們也有聯(lián)合制定的編碼標(biāo)準(zhǔn)，那就是現(xiàn)在主流的編碼格式H264，當(dāng)然還有下一代更先進(jìn)的壓縮編碼標(biāo)準(zhǔn)H265。

H264是目前最主流的視頻編碼標(biāo)準(zhǔn)，所以我們后續(xù)的文章中主要以該編碼格式為基準(zhǔn)。

H264由ITU和MPEG共同定制，屬于MPEG-4第十部分內(nèi)容。

我們已經(jīng)知道，視頻是由一幀一幀畫(huà)面構(gòu)成的，但是在視頻的數(shù)據(jù)中，并不是真正按照一幀一幀原始數(shù)據(jù)保存下來(lái)的（如果這樣，壓縮編碼就沒(méi)有意義了）。

H264會(huì)根據(jù)一段時(shí)間內(nèi)，畫(huà)面的變化情況，選取一幀畫(huà)面作為完整編碼，下一幀只記錄與上一幀完整數(shù)據(jù)的差別，是一個(gè)動(dòng)態(tài)壓縮的過(guò)程。

在H264中，三種類型的幀數(shù)據(jù)分別為

I幀：幀內(nèi)編碼幀。就是一個(gè)完整幀。

P幀：前向預(yù)測(cè)編碼幀。是一個(gè)非完整幀，通過(guò)參考前面的I幀或P幀生成。

B幀：雙向預(yù)測(cè)內(nèi)插編碼幀。參考前后圖像幀編碼生成。B幀依賴其前最近的一個(gè)I幀或P幀及其后最近的一個(gè)P幀。

全稱：Group of picture。指一組變化不大的視頻幀。

GOP的第一幀成為關(guān)鍵幀：IDR

IDR都是I幀，可以防止一幀解碼出錯(cuò)，導(dǎo)致后面所有幀解碼出錯(cuò)的問(wèn)題。當(dāng)解碼器在解碼到IDR的時(shí)候，會(huì)將之前的參考幀清空，重新開(kāi)始一個(gè)新的序列，這樣，即便前面一幀解碼出現(xiàn)重大錯(cuò)誤，也不會(huì)蔓延到后面的數(shù)據(jù)中。

DTS全稱：Decoding Time Stamp。標(biāo)示讀入內(nèi)存中數(shù)據(jù)流在什么時(shí)候開(kāi)始送入解碼器中進(jìn)行解碼。也就是解碼順序的時(shí)間戳。

PTS全稱：Presentation Time Stamp。用于標(biāo)示解碼后的視頻幀什么時(shí)候被顯示出來(lái)。

前面我們介紹了RGB和YUV兩種圖像色彩空間。H264采用的是YUV。

YUV存儲(chǔ)方式分為兩大類：planar 和 packed。

planar如下：

packed如下：

上面說(shuō)過(guò)，由于人眼對(duì)色度敏感度低，所以可以通過(guò)省略一些色度信息，即亮度共用一些色度信息，進(jìn)而節(jié)省存儲(chǔ)空間。因此，planar又區(qū)分了以下幾種格式：YUV444、 YUV422、YUV420。

YUV 4:4:4采樣，每一個(gè)Y對(duì)應(yīng)一組UV分量。

YUV 4:2:2采樣，每?jī)蓚€(gè)Y共用一組UV分量。

YUV 4:2:0采樣，每四個(gè)Y共用一組UV分量。

其中，最常用的就是YUV420。

YUV420屬于planar存儲(chǔ)方式，但是又分兩種類型：

YUV420P：三平面存儲(chǔ)。數(shù)據(jù)組成為YYYYYYYYUUVV（如I420）或YYYYYYYYVVUU（如YV12）。

YUV420SP：兩平面存儲(chǔ)。分為兩種類型YYYYYYYYUVUV（如NV12）或YYYYYYYYVUVU（如NV21）

原始的PCM音頻數(shù)據(jù)也是非常大的數(shù)據(jù)量，因此也需要對(duì)其進(jìn)行壓縮編碼。

和視頻編碼一樣，音頻也有許多的編碼格式，如：WAV、MP3、WMA、APE、FLAC等等，音樂(lè)發(fā)燒友應(yīng)該對(duì)這些格式非常熟悉，特別是后兩種無(wú)損壓縮格式。

但是，我們今天的主角不是他們，而是另外一個(gè)叫AAC的壓縮格式。

AAC是新一代的音頻有損壓縮技術(shù)，一種高壓縮比的音頻壓縮算法。在MP4視頻中的音頻數(shù)據(jù)，大多數(shù)時(shí)候都是采用AAC壓縮格式。

AAC格式主要分為兩種：ADIF、ADTS。

ADIF：Audio Data Interchange Format。音頻數(shù)據(jù)交換格式。這種格式的特征是可以確定的找到這個(gè)音頻數(shù)據(jù)的開(kāi)始，不需進(jìn)行在音頻數(shù)據(jù)流中間開(kāi)始的解碼，即它的解碼必須在明確定義的開(kāi)始處進(jìn)行。這種格式常用在磁盤文件中。

ADTS：Audio Data Transport Stream。音頻數(shù)據(jù)傳輸流。這種格式的特征是它是一個(gè)有同步字的比特流，解碼可以在這個(gè)流中任何位置開(kāi)始。它的特征類似于mp3數(shù)據(jù)流格式。

ADIF數(shù)據(jù)格式：

ADTS 一幀 數(shù)據(jù)格式（中間部分，左右省略號(hào)為前后數(shù)據(jù)幀）：

AAC內(nèi)部結(jié)構(gòu)也不再贅述，可以參考AAC 文件解析及解碼流程

細(xì)心的讀者可能已經(jīng)發(fā)現(xiàn)，前面我們介紹的各種音視頻的編碼格式，沒(méi)有一種是我們平時(shí)使用到的視頻格式，比如：mp4、rmvb、avi、mkv、mov...

沒(méi)錯(cuò)，這些我們熟悉的視頻格式，其實(shí)是包裹了音視頻編碼數(shù)據(jù)的容器，用來(lái)把以特定編碼標(biāo)準(zhǔn)編碼的視頻流和音頻流混在一起，成為一個(gè)文件。

例如：mp4支持H264、H265等視頻編碼和AAC、MP3等音頻編碼。

我們?cè)谝恍┎シ牌髦袝?huì)看到，有硬解碼和軟解碼兩種播放形式給我們選擇，但是我們大部分時(shí)候并不能感覺(jué)出他們的區(qū)別，對(duì)于普通用戶來(lái)說(shuō)，只要能播放就行了。

那么他們內(nèi)部究竟有什么區(qū)別呢？

在手機(jī)或者PC上，都會(huì)有CPU、GPU或者解碼器等硬件。通常，我們的計(jì)算都是在CPU上進(jìn)行的，也就是我們軟件的執(zhí)行芯片，而GPU主要負(fù)責(zé)畫(huà)面的顯示（是一種硬件加速）。

所謂軟解碼，就是指利用CPU的計(jì)算能力來(lái)解碼，通常如果CPU的能力不是很強(qiáng)的時(shí)候，一則解碼速度會(huì)比較慢，二則手機(jī)可能出現(xiàn)發(fā)熱現(xiàn)象。但是，由于使用統(tǒng)一的算法，兼容性會(huì)很好。

硬解碼，指的是利用手機(jī)上專門的解碼芯片來(lái)加速解碼。通常硬解碼的解碼速度會(huì)快很多，但是由于硬解碼由各個(gè)廠家實(shí)現(xiàn)，質(zhì)量參差不齊，非常容易出現(xiàn)兼容性問(wèn)題。

MediaCodec 是Android 4.1(api 16)版本引入的編解碼接口，是所有想在Android上開(kāi)發(fā)音視頻的開(kāi)發(fā)人員繞不開(kāi)的坑。

由于Android碎片化嚴(yán)重，雖然經(jīng)過(guò)多年的發(fā)展，Android硬解已經(jīng)有了很大改觀，但實(shí)際上各個(gè)廠家實(shí)現(xiàn)不同， 還是會(huì)有一些意想不到的坑。

相對(duì)于FFmpeg，Android原生硬解碼還是相對(duì)容易入門一些，所以接下來(lái)，我將會(huì)從MediaCodec入手，講解如何實(shí)現(xiàn)視頻的編解碼，以及引入OpenGL實(shí)現(xiàn)對(duì)視頻的編輯，最后才引入FFmpeg來(lái)實(shí)現(xiàn)軟解，算是一個(gè)比較常規(guī)的音視頻開(kāi)發(fā)入門流程吧。

Android音視頻開(kāi)發(fā)——H264的基本概念

ffmpeg常用命令

封裝格式 。

編碼的本質(zhì)就是壓縮數(shù)據(jù)

音頻編碼的作用： 將音頻采樣數(shù)據(jù)（ PCM 等）壓縮成音頻碼流，從而降低音頻的數(shù)據(jù)量。 常用的音頻編碼方式有以下幾種：

H264壓縮技術(shù)主要采用了以下幾種方法對(duì)視頻數(shù)據(jù)進(jìn)行壓縮。包括：

經(jīng)過(guò)壓縮后的幀分為：I幀，P幀和B幀:

除了I/P/B幀外，還有圖像序列GOP。

組成碼流的結(jié)構(gòu)中，包含了以下幾個(gè)部分，從大到小依次是：

H264視頻序列，圖像，片組，片，NALU，宏塊，像素

H264功能分為兩層：

1.H264視頻序列包括一系列的NAL單元，每個(gè)NAL單元包含一個(gè)RBSP。

2.一個(gè)原始的H.264由 N個(gè)NALU單元組成

3.NALU單元由[StartCode][NALU Header][NALU Payload]三部分組成

5.NAL Header

由三部分組成forbidden_bit(1bit)(禁止位)，nal_reference_bit(2bits)（優(yōu)先級(jí),，值越大，該NAL越重要），nal_unit_type(5bits)（類型）

nal_unit_type

6.NAL的解碼單元的流程如下

android音視頻開(kāi)發(fā)一安卓常用API

Android SDK 提供了兩套音頻采集的API，分別是：MediaRecorder 和 AudioRecord，前者是一個(gè)更加上層一點(diǎn)的API，它可以直接把手機(jī)麥克風(fēng)錄入的音頻數(shù)據(jù)進(jìn)行編碼壓縮（如AMR、MP3等）并存成文件，而后者則更接近底層，能夠更加自由靈活地控制，可以得到原始的一幀幀PCM音頻數(shù)據(jù)。如果想簡(jiǎn)單地做一個(gè)錄音機(jī)，錄制成音頻文件，則推薦使用 MediaRecorder，而如果需要對(duì)音頻做進(jìn)一步的算法處理、或者采用第三方的編碼庫(kù)進(jìn)行壓縮、以及網(wǎng)絡(luò)傳輸?shù)葢?yīng)用，則建議使用 AudioRecord，其實(shí) MediaRecorder 底層也是調(diào)用了 AudioRecord 與 Android Framework 層的 AudioFlinger 進(jìn)行交互的。直播中實(shí)時(shí)采集音頻自然是要用AudioRecord了。

2.1 播放聲音可以用MediaPlayer和AudioTrack，兩者都提供了Java?API供應(yīng)用開(kāi)發(fā)者使用。雖然都可以播放聲音，但兩者還是有很大的區(qū)別的。

2.2 其中最大的區(qū)別是MediaPlayer可以播放多種格式的聲音文件，例如MP3，AAC，WAV，OGG，MIDI等。MediaPlayer會(huì)在framework層創(chuàng)建對(duì)應(yīng)的音頻解碼器。而AudioTrack只能播放已經(jīng)解碼的PCM流，如果對(duì)比支持的文件格式的話則是AudioTrack只支持wav格式的音頻文件，因?yàn)閣av格式的音頻文件大部分都是PCM流。AudioTrack不創(chuàng)建解碼器，所以只能播放不需要解碼的wav文件。

2.3 MediaPlayer在framework層還是會(huì)創(chuàng)建AudioTrack，把解碼后的PCM數(shù)流傳遞給AudioTrack，AudioTrack再傳遞給AudioFlinger進(jìn)行混音，然后才傳遞給硬件播放,所以是MediaPlayer包含了AudioTrack。

2.4?在接觸Android音頻播放API的時(shí)候，發(fā)現(xiàn)SoundPool也可以用于播放音頻。下面是三者的使用場(chǎng)景：MediaPlayer 更加適合在后臺(tái)長(zhǎng)時(shí)間播放本地音樂(lè)文件或者在線的流式資源; SoundPool 則適合播放比較短的音頻片段，比如游戲聲音、按鍵聲、鈴聲片段等等，它可以同時(shí)播放多個(gè)音頻; 而 AudioTrack 則更接近底層，提供了非常強(qiáng)大的控制能力，支持低延遲播放，適合流媒體和VoIP語(yǔ)音電話等場(chǎng)景。

使用 Camera API 采集視頻數(shù)據(jù)并保存到文件，分別使用 SurfaceView、TextureView 來(lái)預(yù)覽 Camera 數(shù)據(jù)，取到 NV21 的數(shù)據(jù)回調(diào)。

4.1 一個(gè)音視頻文件是由音頻和視頻組成的，我們可以通過(guò)MediaExtractor、MediaMuxer把音頻或視頻給單獨(dú)抽取出來(lái)，抽取出來(lái)的音頻和視頻能單獨(dú)播放；?

4.2?MediaMuxer的作用是生成音頻或視頻文件；還可以把音頻與視頻混合成一個(gè)音視頻文件。

文獻(xiàn)資料?

Android音視頻開(kāi)發(fā)-入門(三):使用 Camera API 采集NV21數(shù)據(jù)

做過(guò)Android開(kāi)發(fā)的人一般都知道，有兩種方法能夠做到這一點(diǎn)：SufaceView、TextureView。

Android 中Google支持的Camera Preview CallBack的YUV常用格式有兩種：一種是NV21，一種是YV12,Android一般默認(rèn)使用的是YCbCR_420_sp(NV21)

新聞標(biāo)題：android視頻開(kāi)發(fā),安卓開(kāi)發(fā)視頻播放
文章出自：http://aaarwkj.com/article30/dsisepo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供品牌網(wǎng)站建設(shè)、App開(kāi)發(fā)、網(wǎng)站策劃、動(dòng)態(tài)網(wǎng)站、營(yíng)銷型網(wǎng)站建設(shè)、ChatGPT

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)