FFmpeg时间戳详解
本文为作者原创，转载请注明出处：https://www.cnblogs.com/leisure_chn/p/10584910.html
1. I 帧/P 帧/B 帧
I 帧：I 帧 (Intra-coded picture, 帧内编码帧，常称为关键帧) 包含一幅完整的图像信息，属于帧内编码图像，不含运动矢量，在解码时不需要参考其他帧图像。因此在 I 帧图像处可以切换频道，而不会导致图像丢失或无法解码。I 帧图像用于阻止误差的累积和扩散。在闭合式 GOP 中，每个 GOP 的第一个帧一定是 I 帧，且当前 GOP 的数据不会参考前后 GOP 的数据。
P 帧：P 帧 (Predictive-coded picture, 预测编码图像帧) 是帧间编码帧，利用之前的 I 帧或 P 帧进行预测编码。
B 帧：B 帧 (Bi-directionally predicted picture, 双向预测编码图像帧) 是帧间编码帧，利用之前和 (或) 之后的 I 帧或 P 帧进行双向预测编码。B 帧不可以作为参考帧。B 帧具有更高的压缩率，但需要更多的缓冲时间以及更高的 CPU 占用率，因此 B 帧适合本地存储以及视频点播，而不适用对实时性要求较高的直播系统。
2. DTS 和 PTS
DTS (Decoding Time Stamp, 解码时间戳)，表示压缩帧的解码时刻。PTS (Presentation Time Stamp, 显示时间戳)，表示将压缩帧解码后得到的原始帧的显示时刻。音频中 DTS 和 PTS 是相同的。视频中由于 B 帧需要双向预测，B 帧依赖于其前和其后的帧，因此含 B 帧的视频流解码顺序与显示顺序不同，其 DTS 和 PTS 不同。当然，不含 B 帧的视频，其 DTS 和 PTS 是相同的。下图以一个开放式 GOP 示意图为例，说明视频流的解码顺序和显示顺序：
图中 [0]、[1] 等表示 GOP 中帧的采集/显示顺序序号，每个方格表示一帧图像 (原始帧或编码帧)，原始帧与编码帧一一对应。采集顺序指图像传感器采集原始图像信号得到图像帧的顺序。编码顺序指编码器编码后图像帧的顺序。存储到磁盘的本地视频文件中图像帧的顺序与编码顺序相同。传输顺序指编码后的流在网络传输过程中图像帧的顺序。解码顺序指解码器解码图像帧的顺序。显示顺序指图像帧在显示器上显示的顺序。采集顺序与显示顺序相同。编码顺序、传输顺序和解码顺序相同。
以图中“B[1]”帧为例进行说明，“B[1]”帧解码时需要参考“I[0]”帧和“P[3]”帧，因此“P[3]”帧必须比“B[1]”帧先解码，后显示的帧需要先解码，也就是视频帧解码顺序和显示顺序不同。
采集的时候图像还没有 I、P、B 类型，也没有 DTS 和 PTS，编码后才有这些信息。DTS 和 PTS 是解码器使用的，编码器编码生成的视频流 (裸流) 是不含 DTS 和 PTS 的，但是解码器可以根据视频流的内容 (例如 H.264 语法结构) 计算生成 DTS 和 PTS，这个 DTS 和 PTS 一般会被放在视频封装格式里。
3. FFmpeg 中的时间基与时间戳
3.1 时间基与时间戳的概念
在 FFmpeg 中，时间基 (time_base) 是时间戳 (timestamp) 的单位，时间戳值乘以时间基，可以得到实际的时刻值 (以秒等为单位)。例如，如果一个视频帧的 dts 是 40，pts 是 160，其 time_base 是 1/1000 秒，那么可以计算出此视频帧的解码时刻是 40 毫秒 (40/1000)，显示时刻是 160 毫秒 (160/1000)。FFmpeg 中时间戳 (pts/dts) 的类型是 int64_t 类型，把一个 time_base 看作一个时钟脉冲，则可把 dts/pts 看作时钟脉冲的计数。
3.2 三种时间基 tbn、tbc 和 tbr
不同的封装格式具有不同的时间基。在 FFmpeg 处理音视频过程中的不同阶段，也会采用不同的时间基。
FFmepg 中有三种时间基，使用 ffprobe/ffmpeg 命令探测流格式时，命令行输出中 tbn、 tbc 和 tbr 的打印值就是这三种时间基的倒数：
tbn：对应容器中的时间基。值是 AVStream.time_base 的倒数。详参 3.6 节。
tbc：对应编解码器中的时间基。值是 AVCodecContext.time_base 的倒数。详参 3.7 节。
tbr：从视频流中猜算得到，可能是帧率或场率 (帧率的 2 倍)。值是 AVStream.r_frame_rate，它是一个猜算值，是一个能准确表示流中所有时间戳的最低帧率 (是流中所有帧率的最小公倍数)。定义如下：
typedef struct AVStream {
...
/**
* Real base framerate of the stream.
* This is the lowest framerate with which all timestamps can be
* represented accurately (it is the least common multiple of all
* framerates in the stream). Note, this value is just a guess!
* For example, if the time base is 1/90000 and all frames have either
* approximately 3600 or 1800 timer ticks, then r_frame_rate will be 50/1.
*/
AVRational r_frame_rate;
...
}
在 libavformat 的 dump.c 中 tbn, tbc, tbr 打印内容相关代码如下：
/* "user interface" functions */
static void dump_stream_format(const AVFormatContext *ic, int i,
int group_index, int index, int is_output,
int log_level)
{
...
if (st->codecpar->codec_type == AVMEDIA_TYPE_VIDEO) {
int fps = st->avg_frame_rate.den && st->avg_frame_rate.num;
int tbr = st->r_frame_rate.den && st->r_frame_rate.num;
int tbn = st->time_base.den && st->time_base.num;
int tbc = st->codec->time_base.den && st->codec->time_base.num;
if (fps || tbr || tbn || tbc)
av_log(NULL, AV_LOG_INFO, "%s", separator);
if (fps)
print_fps(av_q2d(st->avg_frame_rate), tbr || tbn || tbc ? "fps, " : "fps");
if (tbr)
print_fps(av_q2d(st->r_frame_rate), tbn || tbc ? "tbr, " : "tbr");
if (tbn)
print_fps(1 / av_q2d(st->time_base), tbc ? "tbn, " : "tbn");
if (tbc)
print_fps(1 / av_q2d(st->codec->time_base), "tbc");
}
...
}
测试文件下载 (右键另存为)：tnmil3.flv
使用 ffprobe 探测媒体文件格式，如下：
think@stone-suse> ffprobe -hide_banner tnmil3.flv
ffprobe version 4.1 Copyright (c) 2007-2018 the FFmpeg developers
Input #0, flv, from 'tnmil3.flv':
Metadata:
encoder : Lavf58.20.100
Duration: 00:00:03.60, start: 0.017000, bitrate: 513 kb/s
Stream #0:0: Video: h264 (High), yuv420p(progressive), 784x480, 25 fps, 25 tbr, 1k tbn, 50 tbc
Stream #0:1: Audio: aac (LC), 44100 Hz, stereo, fltp, 128 kb/s
从 FFmpeg 4.4 版本开始，删除了 tbc 的打印 (因为 FFmpeg 4.4 中解码器已经不再使用 AVCodecContext.time_base 参数)，如下：
think@stone-suse> ffprobe -hide_banner tnmil3.flv
Input #0, flv, from 'tnmil3.flv':
Metadata:
encoder : Lavf58.20.100
Duration: 00:00:03.60, start: 0.017000, bitrate: 513 kb/s
Stream #0:0: Video: h264 (High), yuv420p(progressive), 784x480, 25 fps, 25 tbr, 1k tbn
Stream #0:1: Audio: aac (LC), 44100 Hz, stereo, fltp, 128 kb/s
关于 tbr、tbn 和 tbc 的说明，原文如下，来自 FFmpeg 邮件列表：
There are three different time bases for time stamps in FFmpeg. The values printed are actually reciprocals of these, i.e. 1/tbr, 1/tbn and 1/tbc.
tbn is the time base in AVStream that has come from the container, I think. It is used for all AVStream time stamps.
tbc is the time base in AVCodecContext for the codec used for a particular stream. It is used for all AVCodecContext and related time stamps.
tbr is guessed from the video stream and is the value users want to see when they look for the video frame rate, except sometimes it is twice what one would expect because of field rate versus frame rate.
3.3 内部时间基 AV_TIME_BASE
除以上三种时间基外，FFmpeg 还有一个内部时间基 AV_TIME_BASE (分数形式是 AV_TIME_BASE_Q)：
// Internal time base represented as integer
#define AV_TIME_BASE 1000000
// Internal time base represented as fractional value
#define AV_TIME_BASE_Q (AVRational){1, AV_TIME_BASE}
AV_TIME_BASE 及 AV_TIME_BASE_Q 用于 FFmpeg 内部函数处理，使用此时间基计算得到时间值表示的是微秒。
3.4 时间值形式转换
av_q2d() 将时间从 AVRational 形式转换为 double 形式。AVRational 是分数类型，double 是双精度浮点数类型，转换的结果单位是秒。转换前后的值基于同一时间基，仅仅是数值的表现形式不同而已。
av_q2d() 实现如下：
/**
* Convert an AVRational to a `double`.
* @param a AVRational to convert
* @return `a` in floating-point form
* @see av_d2q()
*/
static inline double av_q2d(AVRational a){
return a.num / (double) a.den;
}
av_q2d() 使用方法如下：
AVStream stream;
AVPacket packet;
packet 播放时刻值：timestamp(单位秒) = packet.pts × av_q2d(stream.time_base);
packet 播放时长值：duration(单位秒) = packet.duration × av_q2d(stream.time_base);
3.5 时间基转换函数
av_rescale_q() 用于不同时间基的转换，用于将时间值从一种时间基转换为另一种时间基。
/**
* Rescale a 64-bit integer by 2 rational numbers.
*
* The operation is mathematically equivalent to `a * bq / cq`.
*
* This function is equivalent to av_rescale_q_rnd() with #AV_ROUND_NEAR_INF.
*
* @see av_rescale(), av_rescale_rnd(), av_rescale_q_rnd()
*/
int64_t av_rescale_q(int64_t a, AVRational bq, AVRational cq) av_const;
av_packet_rescale_ts() 用于将 AVPacket 中各种时间值从一种时间基转换为另一种时间基。
/**
* Convert valid timing fields (timestamps / durations) in a packet from one
* timebase to another. Timestamps with unknown values (AV_NOPTS_VALUE) will be
* ignored.
*
* @param pkt packet on which the conversion will be performed
* @param tb_src source timebase, in which the timing fields in pkt are
* expressed
* @param tb_dst destination timebase, to which the timing fields will be
* converted
*/
void av_packet_rescale_ts(AVPacket *pkt, AVRational tb_src, AVRational tb_dst);
3.6 转封装过程中的时间基转换
容器中的时间基 (AVStream.time_base，3.2 节中的 tbn) 定义如下：
typedef struct AVStream {
...
/**
* This is the fundamental unit of time (in seconds) in terms
* of which frame timestamps are represented.
*
* decoding: set by libavformat
* encoding: May be set by the caller before avformat_write_header() to
* provide a hint to the muxer about the desired timebase. In
* avformat_write_header(), the muxer will overwrite this field
* with the timebase that will actually be used for the timestamps
* written into the file (which may or may not be related to the
* user-provided one, depending on the format).
*/
AVRational time_base;
...
}
AVStream.time_base 是 AVPacket 中 pts 和 dts 的时间单位，输入流与输出流中 time_base 按如下方式确定：
对于输入流：打开输入文件后，调用 avformat_find_stream_info() 可获取到每个流中的 time_base
对于输出流：打开输出文件后，调用 avformat_write_header() 可根据输出文件封装格式确定每个流的 time_base 并写入输出文件中
不同封装格式具有不同的时间基，在转封装 (将一种封装格式转换为另一种封装格式) 过程中，时间基转换相关代码如下：
av_read_frame(ifmt_ctx, &pkt);
pkt.pts = av_rescale_q_rnd(pkt.pts, in_stream->time_base, out_stream->time_base, AV_ROUND_NEAR_INF|AV_ROUND_PASS_MINMAX);
pkt.dts = av_rescale_q_rnd(pkt.dts, in_stream->time_base, out_stream->time_base, AV_ROUND_NEAR_INF|AV_ROUND_PASS_MINMAX);
pkt.duration = av_rescale_q(pkt.duration, in_stream->time_base, out_stream->time_base);
下面的代码具有和上面代码相同的效果：
// 从输入文件中读取 packet
av_read_frame(ifmt_ctx, &pkt);
// 将 packet 中的各时间值从输入流封装格式时间基转换到输出流封装格式时间基
av_packet_rescale_ts(&pkt, in_stream->time_base, out_stream->time_base);
这里流里的时间基 in_stream->time_base 和 out_stream->time_base，是容器中的时间基。
例如，flv 封装格式的 time_base 为 {1,1000}，ts 封装格式的 time_base 为 {1,90000}
先使用如下转封装命令将 flv 格式转换为 ts 格式：
think@stone-suse> ffmpeg -hide_banner -i tnmil3.flv -c:v copy -c:a copy -f mpegts tnmil3.ts
Input #0, flv, from 'tnmil3.flv':
Metadata:
encoder : Lavf58.20.100
Duration: 00:00:03.60, start: 0.017000, bitrate: 513 kb/s
Stream #0:0: Video: h264 (High), yuv420p(progressive), 784x480, 25 fps, 25 tbr, 1k tbn
Stream #0:1: Audio: aac (LC), 44100 Hz, stereo, fltp, 128 kb/s
Stream mapping:
Stream #0:0 -> #0:0 (copy)
Stream #0:1 -> #0:1 (copy)
Output #0, mpegts, to 'tnmil3.ts':
Metadata:
encoder : Lavf61.7.100
Stream #0:0: Video: h264 (High), yuv420p(progressive), 784x480, q=2-31, 25 fps, 25 tbr, 90k tbn
Stream #0:1: Audio: aac (LC), 44100 Hz, stereo, fltp, 128 kb/s
Press [q] to stop, [?] for help
[out#0/mpegts @ 0x6430c0] video:166KiB audio:55KiB subtitle:0KiB other streams:0KiB global headers:0KiB muxing overhead: 14.063757%
frame= 88 fps=0.0 q=-1.0 Lsize= 252KiB time=00:00:03.50 bitrate= 589.5kbits/s speed=1.84e+03x
抓取原文件 (flv 格式) 的前四帧显示时间戳：
think@stone-suse> ffprobe -hide_banner -show_frames -select_streams v tnmil3.flv | grep pts
Input #0, flv, from 'tnmil3.flv':
Metadata:
encoder : Lavf58.20.100
Duration: 00:00:03.60, start: 0.017000, bitrate: 513 kb/s
Stream #0:0: Video: h264 (High), yuv420p(progressive), 784x480, 25 fps, 25 tbr, 1k tbn
Stream #0:1: Audio: aac (LC), 44100 Hz, stereo, fltp, 128 kb/s
pts=80
pts_time=0.080000
pts=120
pts_time=0.120000
pts=160
pts_time=0.160000
pts=200
pts_time=0.200000
再抓取转换后的文件 (ts 格式) 的前四帧显示时间戳：
think@stone-suse> ffprobe -hide_banner -show_frames -select_streams v tnmil3.ts | grep pts
Input #0, mpegts, from 'tnmil3.ts':
Duration: 00:00:03.58, start: 1.417000, bitrate: 576 kb/s
Program 1
Metadata:
service_name : Service01
service_provider: FFmpeg
Stream #0:0[0x100]: Video: h264 (High) ([27][0][0][0] / 0x001B), yuv420p(progressive), 784x480, 25 fps, 25 tbr, 90k tbn
Stream #0:1[0x101]: Audio: aac (LC) ([15][0][0][0] / 0x000F), 44100 Hz, stereo, fltp, 130 kb/s
pts=133200
pts_time=1.480000
pts=136800
pts_time=1.520000
pts=140400
pts_time=1.560000
pts=144000
pts_time=1.600000
可以发现，对于同一个视频帧，它们时间基 (tbn) 不同因此时间戳 (pts) 也不同，但是计算出来的每一帧的持续时长以及每一帧的相对时刻值 (相对于第一帧的时刻值) 是相同的。以第 4 帧为例，flv 格式中第 4 帧相对时刻值为 0.12 秒：(200-80)x{1,1000} = 0.12，ts 格式中第 4 帧相对时刻值也是 0.12 秒：(144000-133200)x{1,90000} = 0.12
3.7 转码过程中的时间基转换
编解码器中的时间基 (AVCodecContext.time_base，3.2 节中的 tbc) 定义如下：
typedef struct AVCodecContext {
...
/**
* This is the fundamental unit of time (in seconds) in terms
* of which frame timestamps are represented. For fixed-fps content,
* timebase should be 1/framerate and timestamp increments should be
* identically 1.
* This often, but not always is the inverse of the frame rate or field rate
* for video. 1/time_base is not the average frame rate if the frame rate is not
* constant.
*
* Like containers, elementary streams also can store timestamps, 1/time_base
* is the unit in which these timestamps are specified.
* As example of such codec time base see ISO/IEC 14496-2:2001(E)
* vop_time_increment_resolution and fixed_vop_rate
* (fixed_vop_rate == 0 implies that it is different from the framerate)
*
* - encoding: MUST be set by user.
* - decoding: unused.
*/
AVRational time_base;
...
}
AVCodecContext.time_base 是帧率 (或场率) 的倒数，每帧 (或每场) 时间戳递增 1。编码过程中，应由用户设置好此参数。解码过程中不使用此参数作时间基，一般使用帧率的倒数作为时间基。
3.7.1 视频流
视频按帧播放，所以解码后的原始视频帧时间基为 1/framerate。
视频解码过程中的时间基转换处理：
AVFormatContext *ifmt_ctx = ...;
AVStream *in_stream = ...;
AVCodecContext *dec_ctx = ...;
AVPacket packet = ...;
AVFrame *frame = ...;
// 从输入文件中读取编码帧
av_read_frame(ifmt_ctx, &packet);
// 时间基转换
AVRational raw_video_time_base = av_inv_q(dec_ctx->framerate);
av_packet_rescale_ts(packet, in_stream->time_base, raw_video_time_base);
// 解码
avcodec_send_packet(dec_ctx, packet)
avcodec_receive_frame(dec_ctx, frame);
视频编码过程中的时间基转换处理：
AVFormatContext *ofmt_ctx = ...;
AVStream *out_stream = ...;
AVCodecContext *dec_ctx = ...;
AVCodecContext *enc_ctx = ...;
AVPacket packet = ...;
AVFrame *frame = ...;
// 编码
avcodec_send_frame(enc_ctx, frame);
avcodec_receive_packet(enc_ctx, packet);
// 时间基转换
packet.stream_index = out_stream_idx;
enc_ctx->time_base = av_inv_q(dec_ctx->framerate);
av_packet_rescale_ts(&opacket, enc_ctx->time_base, out_stream->time_base);
// 将编码帧写入输出媒体文件
av_interleaved_write_frame(o_fmt_ctx, &packet);
3.7.2 音频流
音频按采样点播放，所以解码后的原始音频帧时间基为 1/sample_rate。
音频解码过程中的时间基转换处理：
AVFormatContext *ifmt_ctx = ...;
AVStream *in_stream = ...;
AVCodecContext *dec_ctx = ...;
AVPacket packet = ...;
AVFrame *frame = ...;
// 从输入文件中读取编码帧
av_read_frame(ifmt_ctx, &packet);
// 时间基转换
AVRational raw_audio_time_base = av_inv_q(dec_ctx->sample_rate);
av_packet_rescale_ts(packet, in_stream->time_base, raw_audio_time_base);
// 解码
avcodec_send_packet(dec_ctx, packet)
avcodec_receive_frame(dec_ctx, frame);
音频编码过程中的时间基转换处理：
AVFormatContext *ofmt_ctx = ...;
AVStream *out_stream = ...;
AVCodecContext *dec_ctx = ...;
AVCodecContext *enc_ctx = ...;
AVPacket packet = ...;
AVFrame *frame = ...;
// 编码
avcodec_send_frame(enc_ctx, frame);
avcodec_receive_packet(enc_ctx, packet);
// 时间基转换
packet.stream_index = out_stream_idx;
enc_ctx->time_base = av_inv_q(dec_ctx->sample_rate);
av_packet_rescale_ts(&opacket, enc_ctx->time_base, out_stream->time_base);
// 将编码帧写入输出媒体文件
av_interleaved_write_frame(o_fmt_ctx, &packet);
4. 参考资料
[1]. What does the output of ffmpeg mean? tbr tbn tbc etc?
[2]. 视频编解码基础概念, https://www.cnblogs.com/leisure_chn/p/10285829.html
[3]. 对 ffmpeg 的时间戳的理解笔记, https://blog.csdn.net/topsluo/article/details/76239136
[4]. ffmpeg 中的时间戳与时间基, http://www.imooc.com/article/91381
[5]. ffmpeg 编解码中涉及到的 pts 详解, http://www.52ffmpeg.com/article/353.html
[6]. 音视频录入的 pts 和 dts 问题, https://blog.csdn.net/zhouyongku/article/details/38510747
5. 修改记录
2019-03-16 V1.0 初稿
2019-03-23 V1.1 增加 3.7 节
2025-07-07 V1.2 修改 3.2 节
浙公网安备 33010602011771号