FFmpeg 通过 showwavespic 获取音频的频谱图

编程语言 2018-12-02 21:09:47 阅读次数: 0

FFmpeg 的 showwavespic 滤镜如何得到频谱图

音频数据通常由波形图像表示。

FFmpeg 通过使用 showwavespic 可以得到音频数据的频谱图

ffmpeg -i input -filter_complex "showwavespic=s=640x120" -frames:v 1 output.png

运行上面一条命令之后，即可得到一张如下的图片：
在这里插入图片描述

那么 FFmpeg 是如何将音频数据转换为波形图的呢？

首先通过命令我们知道使用了名为showwavespic 的滤镜，根据名字大概猜想此滤镜就是生成频谱图的关键所在。

所以，我么直接定位到 showwavespic 的定义处：

// showwavespic 滤镜的输入
static const AVFilterPad showwavespic_inputs[] = {
    {
        .name         = "default",
        .type         = AVMEDIA_TYPE_AUDIO,
        .config_props = showwavespic_config_input, 
        .filter_frame = showwavespic_filter_frame, 
    },
    { NULL }
};

// showwavespic 滤镜的输出
static const AVFilterPad showwavespic_outputs[] = {
    {
        .name          = "default",
        .type          = AVMEDIA_TYPE_VIDEO,
        .config_props  = config_output,  // 配置下一个滤镜的相关参数（例如输出frame 的宽、高）
        .request_frame = request_frame,
    },
    { NULL }
};

AVFilter ff_avf_showwavespic = {
    .name          = "showwavespic", // 输入的音频转换为频谱图输出
    .description   = NULL_IF_CONFIG_SMALL("Convert input audio to a video output single picture."),
    .init          = init,          // 初始化方法
    .uninit        = uninit,        
    .query_formats = query_formats, // 滤镜支持的格式
    .priv_size     = sizeof(ShowWavesContext),
    .inputs        = showwavespic_inputs,
    .outputs       = showwavespic_outputs,
    .priv_class    = &showwavespic_class,
};

通过参考其他资源，理清楚滤镜的工作流程。花费几天的时间阅读 FFmpeg 的源码，生成波形图的原理 – 解码音频文件得到音频裸数据 —> 通过 showwavespic 滤镜处理PCM数据得到波形图

showwavespic 滤镜是如何处理 PCM 数据得到波形图的呢？

PCM 数据

首先我们要了解什么是 PCM 音频数据：

PCM(Pulse Code Modulation)称为脉冲编码调制，PCM 音频数据是未经压缩的音频采样数据裸流，它是由模拟信号经过采样、量化、编码转换成的标准的数字音频数据。

存储格式

如果是单声道的音频文件，采样数据按时间的先后顺序依次存入（有时也会采用LRLRLR方式存储，只是另一个声道的数据为0），如果是双声道的话就按照LRLRLR的方式存储。

在这里插入图片描述

单声道
+------+------+------+------+------+------+------+------+------+
|  500 |  300 | -100 | -20  | -300 |  900 | -200 |  -50 |  250 |      
+------+------+------+------+------+------+------+------+------+

每个采样的整数的大小最小为 -32768，最大为 32768。根据采样数据的位置和值画一个图的话，就会得到像播放器上那样的波浪形图。
在这里插入图片描述

立体声的采样是每一个 frame 是一个 16bit 的采样点。左右声道的数据交叉存放。

那么采样数据的绝对值按照生成图片的高的比例即可得出振幅。频率通过生成图片的宽计算得到。

  1. 音频文件解码得到 PCM（音频裸数据), 统计音频的采样总数
  2. 以 采样总数 / 输出图片的宽度 为波形图统计频率
  3. 采样数据的绝对值 * 生成图片的高度 / 32768 计算得出振幅大小

  • 滤镜处理流程
    在这里插入图片描述

  • 流程详情

    1. init – showwavespic 滤镜的初始化

      static av_cold int init(AVFilterContext *ctx)
{
    // showwaves 滤镜的私有数据
    ShowWavesContext *showwaves = ctx->priv;
    if (!strcmp(ctx->filter->name, "showwavespic")) {
        // 如果是 showwavespic 滤镜
        showwaves->single_pic = 1;
        // 使用 cline 的绘图 mode
        showwaves->mode = MODE_CENTERED_LINE;
    }

    return 0;
}

    2. showwavespic_config_input – 配置 showwavespic 相关属性

      static int showwavespic_config_input(AVFilterLink *inlink)
{
    // showwavespic 滤镜
    AVFilterContext *ctx = inlink->dst;
    // 滤镜私有参数
    ShowWavesContext *showwaves = ctx->priv;
    if (showwaves->single_pic) {
        // 声道采样数据的和(初始化数组内存空间)
        showwaves->sum = av_mallocz_array(inlink->channels, sizeof(*showwaves->sum));
        if (!showwaves->sum)
            return AVERROR(ENOMEM);
    }
    return 0;
}

    3. config_output – 配置输出图像的参数 & showwavespic 滤镜参数

      static int config_output(AVFilterLink *outlink)
{
    // 代码较长，省略
    ...
    // 采样的x、y坐标    
    showwaves->buf_idx = 0;
    if (!(showwaves->buf_idy = av_mallocz_array(nb_channels, sizeof(*showwaves->buf_idy)))) {
        av_log(ctx, AV_LOG_ERROR, "Could not allocate showwaves buffer\n");
        return AVERROR(ENOMEM);
    }
    // 输出图片的宽高、宽高比、帧率
    outlink->w = showwaves->w;
    outlink->h = showwaves->h;
    outlink->sample_aspect_ratio = (AVRational){1,1}; // 1

    outlink->frame_rate = av_div_q((AVRational){inlink->sample_rate,showwaves->n},
                                   (AVRational){showwaves->w,1});
    
    // 设置 draw_sample & get_h 函数
    ...
        
     // 默认使用的颜色为： red|green|...
    colors = av_strdup(showwaves->colors);
    if (!colors)
        return AVERROR(ENOMEM);

    /* multiplication factor, pre-computed to avoid in-loop divisions */
    x = 255 / ((showwaves->split_channels ? 1 : nb_channels) * showwaves->n); // 255/2
    if (outlink->format == AV_PIX_FMT_RGBA) {
        uint8_t fg[4] = { 0xff, 0xff, 0xff, 0xff };

        // 左声道为红色，右声道为绿色
        for (ch = 0; ch < nb_channels; ch++) {
            char *color;

            color = av_strtok(ch == 0 ? colors : NULL, " |", &saveptr);
            if (color)
                av_parse_color(fg, color, -1, ctx);
            showwaves->fg[4*ch + 0] = fg[0] * x / 255.;
            showwaves->fg[4*ch + 1] = fg[1] * x / 255.;
            showwaves->fg[4*ch + 2] = fg[2] * x / 255.;
            showwaves->fg[4*ch + 3] = fg[3] * x / 255.;
        }
    } else {
        for (ch = 0; ch < nb_channels; ch++)
            showwaves->fg[4 * ch + 0] = x;
    }
    av_free(colors);
}

    4. showwavespic_filter_frame – 配置 showwavespic 滤镜的参数（初始化输出frame、音频帧等）

      static int showwavespic_filter_frame(AVFilterLink *inlink, AVFrame *insamples)
{
    // showwavespic 滤镜
    AVFilterContext *ctx = inlink->dst;
    // showwavespic 滤镜与其下一个滤镜之间的联系
    AVFilterLink *outlink = ctx->outputs[0];
    // showwavespic 滤镜的私有数据
    ShowWavesContext *showwaves = ctx->priv;
    // 输入数据
    int16_t *p = (int16_t *)insamples->data[0];
    int ret = 0;

    if (showwaves->single_pic) {
        struct frame_node *f;
        // 给 showwaves 滤镜的输出图片 frame 分配一个空的buffer
        ret = alloc_out_frame(showwaves, p, inlink, outlink, insamples);
        if (ret < 0)
            goto end;

        /* queue the audio frame （audio frame 队列）*/
        f = av_malloc(sizeof(*f));
        if (!f) {
            ret = AVERROR(ENOMEM);
            goto end;
        }
        f->frame = insamples;
        f->next = NULL;
        // showwavespic 滤镜的音频队列
        if (!showwaves->last_frame) {
            showwaves->audio_frames =
            showwaves->last_frame   = f;
        } else {
            showwaves->last_frame->next = f;
            showwaves->last_frame = f;
        }
        // 总音频采样数
        showwaves->total_samples += insamples->nb_samples;

        return 0;
    }

end:
    av_frame_free(&insamples);
    return ret;
}

    5. request_frame – 请求滤镜处理后的 frame

      static int request_frame(AVFilterLink *outlink)
{
    ShowWavesContext *showwaves = outlink->src->priv;
    AVFilterLink *inlink = outlink->src->inputs[0];
    int ret;

    ret = ff_request_frame(inlink);
    if (ret == AVERROR_EOF && showwaves->outpicref) {
        // 读取完所有的 frame
        if (showwaves->single_pic)
            push_single_pic(outlink); // 生成频谱图
        else
            push_frame(outlink);
    }

    return ret;
}

      push_single_pic – 根据采样数据生成频谱图，并传给下一个滤镜

      static int push_single_pic(AVFilterLink *outlink)
{
    // showwavespic 滤镜
    AVFilterContext *ctx = outlink->src;
    // showwavespic 与上一个滤镜之间的联系
    AVFilterLink *inlink = ctx->inputs[0];
    // showwavespic 滤镜的私有数据
    ShowWavesContext *showwaves = ctx->priv;
    // max_samples -- 音频总采样数 / 输出图片的宽（频率）
    int64_t n = 0, max_samples = showwaves->total_samples / outlink->w;
    // 输出 frame
    AVFrame *out = showwaves->outpicref;
    struct frame_node *node;
    // 声道数
    const int nb_channels = inlink->channels;
    const int ch_height = showwaves->split_channels ? outlink->h / nb_channels : outlink->h; // h
    const int linesize = out->linesize[0];
    const int pixstep = showwaves->pixstep; // 4
    int col = 0;
    int64_t *sum = showwaves->sum;

    if (max_samples == 0) {
        av_log(ctx, AV_LOG_ERROR, "Too few samples\n");
        return AVERROR(EINVAL);
    }

    av_log(ctx, AV_LOG_DEBUG, "Create frame averaging %"PRId64" samples per column\n", max_samples);

    memset(sum, 0, nb_channels);

    // 循环从滤镜 audio 队列中取出 frame
    for (node = showwaves->audio_frames; node; node = node->next) {
        int i;
        const AVFrame *frame = node->frame;
        // 当前 frame 的数据
        const int16_t *p = (const int16_t *)frame->data[0];

        // 当前 frame 的采样数
        for (i = 0; i < frame->nb_samples; i++) {
            int ch;

            for (ch = 0; ch < nb_channels; ch++)
                sum[ch] += abs(p[ch + i*nb_channels]) << 1;
            if (n++ == max_samples) {
                for (ch = 0; ch < nb_channels; ch++) {
                    int16_t sample = sum[ch] / max_samples;
                    uint8_t *buf = out->data[0] + col * pixstep;
                    int h;

                    if (showwaves->split_channels)
                        buf += ch*ch_height*linesize;
                    av_assert0(col < outlink->w);
                    h = showwaves->get_h(sample, ch_height);
                    showwaves->draw_sample(buf, ch_height, linesize, &showwaves->buf_idy[ch], &showwaves->fg[ch * 4], h);
                    sum[ch] = 0;
                }
                col++;
                n = 0;
            }
        }
    }

    return push_frame(outlink);
}

猜你喜欢

转载自blog.csdn.net/weixin_36453463/article/details/84713159
今日推荐
Apache Doris 2.0.10 版本正式发布！
开源日报 | 大模型开战；大模型独角兽被曝卖身；周鸿祎建议谷歌开源所有产品；最大开源AI社区提供1000万美元共享GPU
开源日报 | Chrome内置Gemini的意义不在于Gemini；中国AI追随之路的五大误区；ECharts创始人“下海”养鱼；谷歌I/O开发者大会什么都有，只是没有惊喜
微软回应中国区AI团队“打包赴美”传闻
基于大语言模型的开源知识库问答系统 MaxKB GitHub Star 数量突破 5,000 个！
美国拟限制 AI 大模型出口中国和俄罗斯
苹果将与 OpenAI 达成协议，将 ChatGPT 应用于 iPhone
周排行
阿里云短信服务平台注册
Windows下的字符串处理(1)
sqoop: mysql导入数据到hdfs, hive, hbase
commons.lang中常用的工具类
离线安装PostgreSQL11.6
使用PyTorch简单实现卷积神经网络模型
一文彻底搞定谱聚类
一道面试题引发的血案
One Chat for Mac(聊天工具)
TCP/IP的底层队列是如何实现的？
每日归档
更多
2024-05-17(34)
2024-05-16(6)
2024-05-15(24)
2024-05-14(0)
2024-05-13(18)
2024-05-12(0)
2024-05-11(38)
2024-05-10(38)
2024-05-09(35)
2024-05-08(42)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022