音视频开发—V4L2介绍，FFmpeg 打开摄像头输出yuv文件

实验平台：Ubuntu20.04

摄像头：1080P 监控摄像头，采用V4L2驱动框架

文章目录

- 1.V4L2相关介绍
- - 1.1. 基本概念
  - 1.2. 主要功能
  - 1.3. V4L2驱动框架
  - 1.4. 主要组件
  - 1.5. 使用V4L2的应用
  - 1.6. 常用V4L2工具
- 2.ffmpeg命令实现打开摄像头输出yuv文件
- 3.使用C语言编程实现
- 4.注意事项
- - 4.1Packet 和 Frame 的区别
  - 4.2为什么读取摄像头时使用 packet而不是 frame？

1.V4L2相关介绍

Video4Linux2（V4L2）是Linux内核中用于视频设备的一个API，旨在提供对视频捕捉、输出和处理设备的支持。它是Video4Linux（V4L）的继任者，具有更强的功能和更好的设计。以下是V4L2的详细介绍：

1.1. 基本概念

API: V4L2提供了一个标准的应用程序编程接口（API），使开发者能够在用户空间与视频设备进行交互。
设备文件: 在Linux系统中，视频设备通常表示为 /dev/video0， /dev/video1 等设备文件。

1.2. 主要功能

视频捕捉: 从摄像头或其他视频输入设备捕获视频帧。
视频输出: 将视频数据输出到显示设备或其他输出目标。
视频流: 支持视频流的处理和传输，包括实时视频流的捕获和播放。
图像处理: 提供基本的图像处理功能，如缩放、色彩转换等。

1.3. V4L2驱动框架

驱动层: V4L2驱动程序位于内核空间，负责与硬件进行交互，控制视频设备的操作。
用户空间API: 提供给应用程序使用的系统调用接口，如 ioctl 系列函数，用于配置和控制视频设备。

1.4. 主要组件

设备节点: 在 /dev 目录下创建的设备文件，用于用户空间程序访问视频设备。
控制接口: 通过 ioctl 函数设置和获取设备参数，如分辨率、帧率、视频格式等。
缓冲区管理: 支持多种缓冲区管理模式，包括内存映射（mmap）、用户指针（user pointer）和DMA缓冲区（DMABUF）。
格式转换: 支持多种视频格式，如YUV、RGB、MJPEG、H.264等，并提供格式转换功能。

1.5. 使用V4L2的应用

视频采集应用: 使用V4L2 API开发的视频捕捉应用程序，如网络摄像头软件、视频录制软件等。
多媒体框架: GStreamer、FFmpeg等多媒体框架支持V4L2，可以使用这些框架方便地进行视频处理和传输。
嵌入式系统: 在嵌入式Linux系统中，V4L2广泛用于摄像头、视频采集卡等设备的驱动开发。

1.6. 常用V4L2工具

v4l2-ctl: 一个命令行工具，用于控制和调试V4L2设备。可以查询设备信息、设置参数、捕获视频帧等。

v4l2-ctl --list-formats-ext  # 列出设备支持的所有格式
v4l2-ctl --set-fmt-video=width=1920,height=1080,pixelformat=H264  # 设置视频格式
v4l2-ctl --stream-mmap --stream-count=100 --stream-to=output.raw  # 捕获视频流

比如可以查看本次实验的摄像头的相关参数

marxist@ubuntu:~/Desktop/audio_test/build$ v4l2-ctl --list-formats-ext
ioctl: VIDIOC_ENUM_FMTType: Video Capture[0]: 'MJPG' (Motion-JPEG, compressed)Size: Discrete 1920x1080Interval: Discrete 0.033s (30.000 fps)Size: Discrete 640x480Interval: Discrete 0.008s (120.101 fps)Interval: Discrete 0.011s (90.000 fps)Interval: Discrete 0.017s (60.500 fps)Interval: Discrete 0.033s (30.200 fps)Size: Discrete 1280x720Interval: Discrete 0.017s (60.000 fps)Interval: Discrete 0.033s (30.500 fps)Size: Discrete 1024x768Interval: Discrete 0.033s (30.000 fps)Size: Discrete 800x600Interval: Discrete 0.017s (60.000 fps)Size: Discrete 1280x1024Interval: Discrete 0.033s (30.000 fps)Size: Discrete 320x240Interval: Discrete 0.008s (120.101 fps)[1]: 'YUYV' (YUYV 4:2:2)Size: Discrete 1920x1080Interval: Discrete 0.167s (6.000 fps)Size: Discrete 640x480Interval: Discrete 0.033s (30.000 fps)Size: Discrete 1280x720Interval: Discrete 0.111s (9.000 fps)Size: Discrete 1024x768Interval: Discrete 0.167s (6.000 fps)Size: Discrete 800x600Interval: Discrete 0.050s (20.000 fps)Size: Discrete 1280x1024Interval: Discrete 0.167s (6.000 fps)Size: Discrete 320x240Interval: Discrete 0.033s (30.000 fps)

由上述可知，摄像头一共支持两种格式，一是MJPG格式，已经由硬件压缩好的一种格式，一种就是常见的YUV422格式，YUV同样支持多种分辨率格式。得知这些参数之后，方便编程实现录制输出工作。

2.ffmpeg命令实现打开摄像头输出yuv文件

命令示例：

ffmpeg -f v4l2 -framerate 9 -video_size 1280x720 -pixel_format yuyv422 -i /dev/video0 -c:v rawvideo -pix_fmt yuv420p output.yuv

参数解释：

-f v4l2: 指定输入格式为V4L2（Video4Linux2）。

-framerate 9: 设置帧率为9fps。

-video_size 1280x720: 设置视频分辨率为1280x720（720p）。

-pixel_format yuyv422: 指定像素格式为YUYV422。

-i /dev/video0: 指定输入设备为 /dev/video0。

-c:v rawvideo: 指定视频编码器为原始视频（不压缩）。

output.yuv: 指定输出文件名为 output.yuv。

播放示例：

注意：需要指定格式和分辨率，原始的数据文件并不包含这些信息，需要手动指定才能播放。

ffplay -pix_fmt yuyv422 -s 1280*720 output.yuv

效果图：

在这里插入图片描述

此时正常解析出来yuv画面。

3.使用C语言编程实现

主要流程较为简单，如下所示：

在这里插入图片描述

完整代码实现：

extern "C"
{
#include <stdio.h>
#include <stdlib.h>
#include <libavformat/avformat.h>
#include <libavcodec/avcodec.h>
#include <libavdevice/avdevice.h>
#include <libswscale/swscale.h>
#include <libavutil/imgutils.h>
}
#include <iostream>
using namespace std;
#define OUTPUT_FILE "output.yuv"
#define CAMERA_DEVICE "/dev/video0"
AVFormatContext *format_ctx = NULL;
AVCodecContext *codec_ctx = NULL;
AVCodec *codec = NULL;
AVPacket packet ;
AVFrame *frame = NULL;
FILE *output_file = NULL;
AVInputFormat *input_format = NULL;
AVDictionary *options; //摄像头相关参数
int video_stream_index = -1;int open_v4l2_cam()
{input_format = av_find_input_format("v4l2");if (!input_format){fprintf(stderr, "Could not find input format 'v4l2'\n");return -1;}// 摄像头支持多种参数，因此使用option 指定参数 最大支持到9帧av_dict_set(&options, "video_size", "1280*720", 0);av_dict_set(&options, "framerate", "9", 0);av_dict_set(&options, "input_format", "yuyv422", 0);int ret = avformat_open_input(&format_ctx, CAMERA_DEVICE, input_format, &options);if (ret != 0){cerr << "open input device fail" << endl;return -1;}ret = avformat_find_stream_info(format_ctx, NULL);if (ret < 0){cerr << "findding stream info" << endl;return -1;}video_stream_index = -1;// 查找视频流for (size_t i = 0; i < format_ctx->nb_streams; i++){/* code */if (format_ctx->streams[i]->codecpar->codec_type == AVMEDIA_TYPE_VIDEO){video_stream_index = i;break;}}if (video_stream_index == -1){cerr << "no found video_steam" << endl;return -1;}return 0;
}
int init_codec_env()
{// 分配帧和数据包frame = av_frame_alloc();av_init_packet(&packet);// 准备写入文件output_file = fopen(OUTPUT_FILE, "wb");if (!output_file){fprintf(stderr, "Error opening output file\n");return -1;}
}void start_ouput_data()
{// 读取视频帧并保存为YUV 文件，cout << "start record" << endl;while (av_read_frame(format_ctx, &packet) >= 0){if (packet.stream_index == video_stream_index){fwrite(packet.data, 1, packet.size, output_file);}av_packet_unref(&packet);}
}
int main()
{avdevice_register_all(); // Ensure that device library is registeredint ret = open_v4l2_cam();if (ret < 0){cerr << "open cam fail !" << endl;return -1;}ret = init_codec_env();start_ouput_data();// 释放资源fclose(output_file);av_dict_free(&options);avformat_close_input(&format_ctx);return 0;
}

输出的yuv文件，为没有被编码的原始的数据，需要指定参数才能播放

效果如图：

在这里插入图片描述

4.注意事项

4.1Packet 和 Frame 的区别

Packet（数据包）:
- 一般是指编码后的数据包（如H.264、H.265等编码格式的压缩数据）。
- 包含元数据和编码数据。
- 是数据流中的最小单位，可以包含一个完整帧或部分帧的数据。
Frame（帧）:
- 是原始数据的表现形式，未经过编码压缩的原始视频或音频数据。
- 在视频处理中，一个帧通常是一个完整的视频画面。
- 在FFmpeg中，帧（AVFrame）是解码后的原始数据或编码前的原始数据。

4.2为什么读取摄像头时使用 packet而不是 frame？

当你通过FFmpeg读取视频数据时，即使没有显式地进行编码，FFmpeg也将视频数据封装在 AVPacket 中。原因如下：

数据流处理:
- FFmpeg通过 av_read_frame 函数读取数据流，无论数据是否已经编码，读取到的数据都封装在 AVPacket 结构中。这是因为 AVPacket 是用于传输解码器或编码器之间的数据单位。
输入格式的处理:
- 当使用 av_read_frame 从输入设备（如摄像头）读取数据时，FFmpeg将摄像头的原始数据作为 AVPacket 进行处理。这个 AVPacket 包含了从设备获取的原始数据块，即使这些数据是未压缩的。
统一接口:
- av_read_frame 提供了一个统一的接口，用于处理各种输入数据流（文件、网络流、设备捕获）。这种设计简化了处理过程，不需要为不同的数据源提供不同的读取机制。