FFmpeg学习5：多线程播放视音频
在前面的学习中，视频和音频的播放是分开进行的。这主要是为了学习的方便，经过一段时间的学习，对FFmpeg的也有了一定的了解，本文就介绍了
如何使用多线程同时播放音频和视频（未实现同步），并对前面的学习的代码进行了重构，便于后面的扩展。
本文主要有以下几个方面的内容：
- 多线程播放视音频的整体流程
- 多线程队列
- 音频播放
- 视频播放
- 总结以及后续的计划
1. 整体流程
FFmpeg和SDL的初始化过程这里不再赘述。整个流程如下：
- 对于一个打开的视频文件（也就是取得其
AVFormatContext），创建一个分离线程，不断的从stream中读取Packet，并按照其stream index，将Packet分别存放到Audio Packet Queue和Video Packet这两个队列缓存中。 - 音频播放线程。创建一个回调函数，从Audio Packet Queue中取出Packet并解码，将解码的数据发送到SDL Audio Device中进行播放
- 视频播放线程。
- 创建Video解码线程，从Video Packet Queue中取出Packet进行解码，并将解码后的数据放入到 Video Frame Queue队列缓存中。
- 进入到SDL Window 事件循环中，按照一定的速度从 Video Frame Queue中取出Frame，并转换为相应的格式，然后在SDL Screen上显示
其整个流程中如下图：
1.1 重构后的main函数
在前面的学习过程中，主要是跟着dranger tutorial。由于该教程是基于C语言的，在其使用多线程播放音视频的教程中，代码使用不是很方便。在本文中，使用C++对其代码进行了重构封装。
封装后的main函数如下：
av_register_all();
SDL_Init(SDL_INIT_VIDEO | SDL_INIT_AUDIO | SDL_INIT_TIMER);
char* filename = "F:\\test.rmvb";
MediaState media(filename);
if (media.openInput())
SDL_CreateThread(decode_thread, "", &media); // 创建解码线程，读取packet到队列中缓存
media.audio->audio_play(); // create audio thread
media.video->video_play(); // create video thread
SDL_Event event;
while (true) // SDL event loop
{
SDL_WaitEvent(&event);
switch (event.type)
{
case FF_QUIT_EVENT:
case SDL_QUIT:
quit = 1;
SDL_Quit();
return 0;
break;
case FF_REFRESH_EVENT:
video_refresh_timer(media.video);
break;
default:
break;
}
}
主函数的主要分为三个部分：
- 初始化FFmpeg和SDL
- 创建Audio播放线程和Video播放线程
- SDL事件循环，显示图像。
1.2 使用到的数据结构
将播放过程中需要使用到的主要数据封装为三个结构：
- MediaState 主要包含了
AudioState和VideoState指针，以及AVFormatContext - AudioState 播放音频所需要的数据
- VideoState 播放视频所需要的数据
这里主要介绍下MediaState，在后面播放音频和视频时再介绍与其相关的数据结构。
MediaState的声明如下：
struct MediaState
{
AudioState *audio;
VideoState *video;
AVFormatContext *pFormatCtx;
char* filename;
//bool quit;
MediaState(char *filename);
~MediaState();
bool openInput();
};
结构比较简单，其主要的功能是在oepnInput中，该函数用来打开相应的video文件，并读取相应的信息填充到VideoState和AudioState结构中。
主要有以下几个功能：
- 调用
avformat_open_input获取AVFormatContext的指针 - 找到audio stream的index，并打开相应的
AVCodecContext - 找到video stream的index，并打开相应的
AVCodecContext
1.3 Packet分离线程
调用oepnInput后，以获取到足够的信息，然后创建packet分离线程，按照得到的stream index，将av_read_frame读取到的packet分别放到相应的packet 缓存队列中。
部分代码如下：
if (packet->stream_index == media->audio->audio_stream) // audio stream
{
media->audio->audioq.enQueue(packet);
av_packet_unref(packet);
}
else if (packet->stream_index == media->video->video_stream) // video stream
{
media->video->videoq->enQueue(packet);
av_packet_unref(packet);
}
else
av_packet_unref(packet);
2.多线程队列
分离线程将读取到的Packet分别存放到视频和音频的packet队列中，这个Packet队列会被多个线程访问，分离线程向里面填充Packet；视频和音频播放线程取出队列中的packet
进行解码然后播放。PacketQueue的声明如下：
struct PacketQueue
{
std::queue<AVPacket> queue;
Uint32 nb_packets;
Uint32 size;
SDL_mutex *mutex;
SDL_cond *cond;
PacketQueue();
bool enQueue(const AVPacket *packet);
bool deQueue(AVPacket *packet, bool block);
};
使用标准库中的std::queue作为存放数据的容器，SDL_mutex和SDL_cond是SDL库中提供的互斥量和条件变量用来控制队列的线程的同步。
当要访问队列中的元素时，使用SDL_mutex来锁定队列；当队列中没有Packet时，而此时又有视频或者音频线程取队列中的Packet，就需要设置一个
设置SDL_cond信号量等待新的Packet入队列。
- 入队列的方法实现如下：
bool PacketQueue::enQueue(const AVPacket *packet)
{
AVPacket *pkt = av_packet_alloc();
if (av_packet_ref(pkt, packet) < 0)
return false;
SDL_LockMutex(mutex);
queue.push(*pkt);
size += pkt->size;
nb_packets++;
SDL_CondSignal(cond);
SDL_UnlockMutex(mutex);
return true;
}
注意对入队列的Packet调用av_packet_ref增加引用计数的方法来复制Packet中的数据。在将新的packet入队以后，设置信号量通知有新的packet入队列，并
解除对packet队列的锁定。
- 出队的方法实现如下：
bool PacketQueue::deQueue(AVPacket *packet, bool block)
{
bool ret = false;
SDL_LockMutex(mutex);
while (true)
{
if (quit)
{
ret = false;
break;
}
if (!queue.empty())
{
if (av_packet_ref(packet, &queue.front()) < 0)
{
ret = false;
break;
}
//av_packet_free(&queue.front());
AVPacket pkt = queue.front();
queue.pop();
av_packet_unref(&pkt);
nb_packets--;
size -= packet->size;
ret = true;
break;
}
else if (!block)
{
ret = false;
break;
}
else
{
SDL_CondWait(cond, mutex);
}
}
SDL_UnlockMutex(mutex);
return ret;
}
参数block标识在队列为空的时候是否阻塞等待，当设置为true的时候，取packet的线程会阻塞等待，直到得到cond信号量的通知。另外，在
取出packet后要调用av_packet_unref减少packet数据的引用计数。
3. 音频播放
音频的播放在前面已经做个总结FFmpeg学习3：播放音频，其播放过程主要是设置好向音频设备发送数据的回调函数，这里就不再详述。和以前不同的是对播放数据进行了封装，如下：
struct AudioState
{
const uint32_t BUFFER_SIZE;// 缓冲区的大小
PacketQueue audioq;
uint8_t *audio_buff; // 解码后数据的缓冲空间
uint32_t audio_buff_size; // buffer中的字节数
uint32_t audio_buff_index; // buffer中未发送数据的index
int audio_stream; // audio流index
AVCodecContext *audio_ctx; // 已经调用avcodec_open2打开
AudioState(); //默认构造函数
AudioState(AVCodecContext *audio_ctx, int audio_stream);
~AudioState();
/**
* audio play
*/
bool audio_play();
};
audioq是存放audio packet的队列；audio_stream是audio stream的index
另外几个字段是用来缓存解码后的数据的，回调函数从该缓冲区中取出数据发送到音频设备。
audio_buff缓冲区的指针audio_buff_size缓冲区中数据的多少audio_buff_index缓冲区中已经发送数据的指针BUFFER_SIZE缓冲区的最大容量
函数audio_play用来设置播放所需的参数，并启动音频播放线程
bool AudioState::audio_play()
{
SDL_AudioSpec desired;
desired.freq = audio_ctx->sample_rate;
desired.channels = audio_ctx->channels;
desired.format = AUDIO_S16SYS;
desired.samples = 1024;
desired.silence = 0;
desired.userdata = this;
desired.callback = audio_callback;
if (SDL_OpenAudio(&desired, nullptr) < 0)
{
return false;
}
SDL_PauseAudio(0); // playing
return true;
}
4. 视频播放
4.1 VideoState
和音频播放类似，也封装了一个VideoState保存视频播放时所需的数据
struct VideoState
{
PacketQueue* videoq; // 保存的video packet的队列缓存
int video_stream; // index of video stream
AVCodecContext *video_ctx; // have already be opened by avcodec_open2
FrameQueue frameq; // 保存解码后的原始帧数据
AVFrame *frame;
AVFrame *displayFrame;
SDL_Window *window;
SDL_Renderer *renderer;
SDL_Texture *bmp;
SDL_Rect rect;
void video_play();
VideoState();
~VideoState();
};
VideoState中的字段大体上可以分为三类：
- 视频解码需要的数据 packet队列、stream的index以及AVCodecContext
- 将解码后的中间数据
- FrameQueue Frame队列，存放从packet中解码得到的Frame。要刷新新的帧时，就从该队列中取出Frame，进行格式转换后render到界面上。
- frame 格式转换时中间变量
- displayFrame 格式转换后的fram，给fram中的数据是最终呈现到界面上的帧
- SDL播放视频需要的数据
FrameQueue的实现和PacketQueue的实现类似，不再赘述。
4.2 Video的decode和play
在VideoState中函数video_play用来进行video播放的初始化工作，并开启video的解码线程
void VideoState::video_play()
{
int width = 800;
int height = 600;
// 创建sdl窗口
window = SDL_CreateWindow("FFmpeg Decode", SDL_WINDOWPOS_UNDEFINED, SDL_WINDOWPOS_UNDEFINED,
width, height, SDL_WINDOW_OPENGL);
renderer = SDL_CreateRenderer(window, -1, 0);
bmp = SDL_CreateTexture(renderer, SDL_PIXELFORMAT_YV12, SDL_TEXTUREACCESS_STREAMING,
width, height);
rect.x = 0;
rect.y = 0;
rect.w = width;
rect.h = height;
frame = av_frame_alloc();
displayFrame = av_frame_alloc();
displayFrame->format = AV_PIX_FMT_YUV420P;
displayFrame->width = width;
displayFrame->height = height;
int numBytes = avpicture_get_size((AVPixelFormat)displayFrame->format,displayFrame->width, displayFrame->height);
uint8_t *buffer = (uint8_t*)av_malloc(numBytes * sizeof(uint8_t));
avpicture_fill((AVPicture*)displayFrame, buffer, (AVPixelFormat)displayFrame->format, displayFrame->width, displayFrame->height);
SDL_CreateThread(decode, "", this);
schedule_refresh(this, 40); // start display
}
首先创建SDL窗口的一些变量，并根据相应的格式为displayFrame分配数据空间；接着创建video的解码线程；最后一句schedule_refresh(this, 40)是开始SDL的事件循环，并在窗口上不断的刷新帧。
video的解码线程函数如下：
int decode(void *arg)
{
VideoState *video = (VideoState*)arg;
AVFrame *frame = av_frame_alloc();
AVPacket packet;
while (true)
{
video->videoq->deQueue(&packet, true);
int ret = avcodec_send_packet(video->video_ctx, &packet);
if (ret < 0 && ret != AVERROR(EAGAIN) && ret != AVERROR_EOF)
continue;
ret = avcodec_receive_frame(video->video_ctx, frame);
if (ret < 0 && ret != AVERROR_EOF)
continue;
if (video->frameq.nb_frames >= FrameQueue::capacity)
SDL_Delay(500);
video->frameq.enQueue(frame);
av_frame_unref(frame);
}
av_frame_free(&frame);
return 0;
}
该函数较简单，就是不断从packet队列中取出packet，然后进行解码，将解码得到的frame队列中，供display线程使用，最终呈现到界面上。注意的是，这里给frame队列设置一个最大容量，当frame队列已满的时候，就阻塞解码线程，等待display线程播放一段时间。
4.3 display线程
帧的呈现借助了SDL库，所以display线程实际就是SDL的窗口时间循环。视频帧的显示过程如下图：
在video_play函数中，启动视频的解码线程后，就调用了schedule_refresh函数来开始帧的显示线程。
// 延迟delay ms后刷新video帧
void schedule_refresh(VideoState *video, int delay)
{
SDL_AddTimer(delay, sdl_refresh_timer_cb, video);
}
uint32_t sdl_refresh_timer_cb(uint32_t interval, void *opaque)
{
SDL_Event event;
event.type = FF_REFRESH_EVENT;
event.user.data1 = opaque;
SDL_PushEvent(&event);
return 0; /* 0 means stop timer */
}
schedule_refresh设置一个延迟时间，然后调用sdl_refresh_timer_cb函数。sdl_refresh_timer_cb是向SDL的事件循环
发送一个FF_REFRESH_EVENT事件。从前面的事件处理中可知，在接收到FF_REFRESH_EVENT事件后，会调用video_refresh_timer
该函数会从frame队列中取出每一个frame，做了格式转换后呈现到界面上。
void video_refresh_timer(void *userdata)
{
VideoState *video = (VideoState*)userdata;
if (video->video_stream >= 0)
{
if (video->videoq->queue.empty())
schedule_refresh(video, 1);
else
{
/* Now, normally here goes a ton of code
about timing, etc. we're just going to
guess at a delay for now. You can
increase and decrease this value and hard code
the timing - but I don't suggest that ;)
We'll learn how to do it for real later.
*/
schedule_refresh(video, 40);
video->frameq.deQueue(&video->frame);
SwsContext *sws_ctx = sws_getContext(video->video_ctx->width, video->video_ctx->height, video->video_ctx->pix_fmt,
video->displayFrame->width,video->displayFrame->height,(AVPixelFormat)video->displayFrame->format, SWS_BILINEAR, nullptr, nullptr, nullptr);
sws_scale(sws_ctx, (uint8_t const * const *)video->frame->data, video->frame->linesize, 0,
video->video_ctx->height, video->displayFrame->data, video->displayFrame->linesize);
// Display the image to screen
SDL_UpdateTexture(video->bmp, &(video->rect), video->displayFrame->data[0], video->displayFrame->linesize[0]);
SDL_RenderClear(video->renderer);
SDL_RenderCopy(video->renderer, video->bmp, &video->rect, &video->rect);
SDL_RenderPresent(video->renderer);
sws_freeContext(sws_ctx);
av_frame_unref(video->frame);
}
}
else
{
schedule_refresh(video, 100);
}
}
该函数的实现也挺清晰的，不断的从frame队列中取出frame，创建SwsContext按照VideoState中设置的参数对frame进行格式转换。这里要提一个血泪教训，在使用完SwsContext后一定要记得调用sws_freeContext释放。在写好本文的demo后，播放视频的发现
其占用的内存一直在增长，不用说肯定是内存泄漏了呀。我是着重对几个缓存队列进行检测，没有发现问题。最后实在没有办法，一段一段代码的进行检查，最终发现是使用完了SwsContext没有释放掉。起初时候，我就认为SwsContext只是设置一个转换参数，也没在意，谁知道会占用那么大的空间，播放一个视频内存的占用一度达到一个G，这只是播放了十几分钟。
Summary
从上一篇总结到现在，磨蹭了将近半个月终于算是把这个多线程播放弄完了，从中真是学到了不少东西。
从毕业到现在进公司快3个月了，基本是打酱油的三个月，公司的代码都没有看到过，整天对着电脑屏幕没有事情可做。
后面的一些计划吧，督促下自己不能这么懒散
- 实现视音频的同步
- 改用C++11的多线程库
- 再对代码进行下重构，可以使用不同的UI库进行渲染（打算换Qt试试）
本文的代码 FSplayer
