ffmpeg视频编码原理和实战-(2)视频帧的创建和编码packet压缩

源文件:

#include <iostream>
using namespace std;
extern "C" { //指定函数是c语言函数,函数名不包含重载标注
//引用ffmpeg头文件
#include <libavcodec/avcodec.h>
}
//预处理指令导入库
#pragma comment(lib,"avcodec.lib")
#pragma comment(lib,"avutil.lib")
int main(int argc, char* argv[])
{//1 找到编码器AVCodec* codec = avcodec_find_encoder(AV_CODEC_ID_H264);//2 编码上下文的创建AVCodecContext* c = avcodec_alloc_context3(codec);//3设定上下文参数c->width = 400;//视频宽度c->height = 300;c->time_base = { 1,25 };//   1/25,pts*time_base = 播放时间(秒)c->pix_fmt = AV_PIX_FMT_YUV420P;//指定元数据的像素格式 与编码算法相关 h264只能yuv420;c->thread_count = 16;//编码的线程数 可以调用系统接口获取cpu核心数//4 打开编码上下文int re = avcodec_open2(c, codec, NULL);cout << "avcodec_open2 succece!" << endl;//5 创建avframe,存储的是未压缩的元数据auto frame = av_frame_alloc();frame->width = 400;frame->height = 300;frame->format = c->pix_fmt;re = av_frame_get_buffer(frame, 0);auto pkt = av_packet_alloc();//6 十秒视频 250帧for (int i = 0; i < 250; i++){//6.1生成AVFrame 数据 每帧数据不同//Yfor (int y = 0; y < c->height; y++){for (int x = 0; x < c->width; x++){frame->data[0][y * frame->linesize[0] + x] = x + y + i * 3;}}//UVfor (int y = 0; y < c->height / 2; y++){for (int x = 0; x < c->width / 2; x++){frame->data[1][y * frame->linesize[1] + x] = 128 + y + i * 2;frame->data[2][y * frame->linesize[2] + x] = 64 + x + i * 5;}}frame->pts = i;//显示的时间//6.2发送未压缩的帧到线程中进行压缩//对于解码,调用avcodec_send_packet()以将AVPacket中的原始压缩数据提供给解码器。//对于编码,调用avcodec_send_frame()为编码器提供包含未压缩音频或视频的AVFrame。re = avcodec_send_frame(c, frame);//此时编码器有了元数据//6.3接收压缩帧,一般前几次调用返回空(缓冲,立刻返回,编码未完成)//编码是在另外独立线程中进行编码的//每次调用会重新分配pkt中的空间while (re >= 0)//返回多个帧 {//要解码,请调用avcodec_receive_frame()。成功后,它将返回包含未压缩音频或视频数据的AVFrame 。//对于编码,请调用avcodec_receive_packet()。成功时,它将返回带有压缩帧的AVPacket 。重复此调用,直到返回AVERROR(EAGAIN)或错误。re = avcodec_receive_packet(c, pkt);//此时对编码器中的元数据进行压缩到avpacket中cout << pkt->size << " " << flush;//输出压缩后的数据大小 单位为kbav_packet_unref(pkt);}}av_packet_free(&pkt);av_frame_free(&frame);avcodec_free_context(&c);//释放编码器上下文auto b = getchar();return 0;
}

运行结果:

可以看出这250帧中,基本上每帧就几千kb,压缩后的数据存储在avpacket中,下一步我们把数据写进文件并播放出来

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/web/22324.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

9.抽象类和接口

抽象类 抽象类概念 在面向对象的概念中&#xff0c;所有的对象都是通过类来描绘的&#xff0c;但是反过来&#xff0c;并不是所有的类都是用来描绘对象的&#xff0c;如果一个类中没有包含足够的信息来描绘一个具体的对象&#xff0c;这样的类就是抽象类 比如&#xff1a; 我…

微信小程序动画和Canvas笔记

微信小程序动画和Canvas 动画 使用wx.createAnimation创建动画对象 // 创建动画对象 const animation wx.createAnimation({duration: 1000, // 动画持续时间timingFunction: ease, // 动画速度曲线delay: 0, // 动画延迟时间transformOrigin: 50% 50% 0, // 动画的中心点 …

error /var/lib/jenkins/workspace/*/node_modules/node-sass: Command failed.

原因&#xff1a;node-sass版本不一致 版本图&#xff1a; 解决方案&#xff1a; 进入到jenkins项目目录下&#xff0c;修改package.json文件 将7.0.1改成6.0.1版本

【python深度学习】——pytorch中tensor的view、resize(resize_)与reshape

TOC 1. view() view()方法具有以下特性&#xff1a; 它只能在tensor是连续的时候使用&#xff08;可以调用is_contiguous()方法查看tensor是否连续&#xff09;, 如果要对不连续的张量使用&#xff0c; 需要先使用.contiguous()使其在内存上连续。view()方法不改变tensor的s…

Python自建chatgpt服务器:使用Flask实现类似Chat服务器流式API接口

引言 使用Flask框架可以轻松实现一个类似chatgpt流式响应的接口&#xff0c;该接口通过POST请求接收prompt和history参数&#xff0c;分别对应为聊天系统的提示词和对话历史&#xff0c;server则给予server-sent event (SSE)返回聊天系统的响应。 服务端 开发前的思考 我们…

【LeetCode每日一题】3067. 在带权树网络中统计可连接服务器对数目-DFS和图

Hey我的编程小伙伴们&#x1f44b;&#xff0c;今天我要和大家分享一道我在LeetCode上遇到的超有趣的题目——编号3067的“在带权树网络中统计可连接服务器对数目”。这是一道非常适合练习DFS和图的题目哦&#xff01;&#x1f913;&#x1f4bb; 邻接图是什么&#xff1f; 在…

2024.05.22 校招 实习 内推 面经

绿*泡*泡VX&#xff1a; neituijunsir 交流*裙 &#xff0c;内推/实习/校招汇总表格 1、校招 | TP-LINK 2025届提前批校园招聘正式启动 校招 | TP-LINK 2025届提前批校园招聘正式启动 2、实习 | 航空工业一飞院2024年实习生招聘正式启动&#xff01; 实习 | 航空工业一飞院…

为Ubuntu 14.04升级 Kernel V4.4的内核

1&#xff1a;下载2个文件 wget https://kernel.ubuntu.com/mainline/v4.4-wily/linux-headers-4.4.0-040400-generic_4.4.0-040400.201601101930_amd64.deb wget https://kernel.ubuntu.com/mainline/v4.4-wily/linux-image-4.4.0-040400-generic_4.4.0-040400.201601101930_…

构建LangChain应用程序的示例代码:14、使用LangChain、GPT和Activeloop的Deep Lake来处理代码库

使用LangChain、GPT和Activeloop的Deep Lake来处理代码库 在本教程中 我们将使用Langchain Activeloop的Deep Lake与GPT一起分析LangChain本身的代码库。 设计 准备数据&#xff1a; 使用langchain_community.document_loaders.TextLoader上传所有Python项目文件。我们将…

【加密与解密】【03】加密系统

术语 RSA&#xff0c;加密算法&#xff0c;同时也是一个公司的名称&#xff0c;该公司制定了PKCS公钥加密标准PKI&#xff0c;Public Key Infrastructure&#xff0c;公钥基础设施PKCS&#xff0c;Public Key Cryptography Standards&#xff0c;公钥加密标准X.509&#xff0c…

模式识别选择题

影响K-均值聚类算法效果的主要因素之一是什么&#xff1f; A. 初始聚类中心的选取 B. 样本输入顺序 C. 模式相似性测度 D. 分类准则 答案&#xff1a;A支持向量机&#xff08;SVM&#xff09;在处理非线性问题时&#xff0c;通常使用什么方法&#xff1f; A. 引入核函数 B. 增加…

真的太太太难顶顶顶了!!!为了微信群发消息,我写了一个自动化脚本

真的太太太难顶顶顶了&#xff01;&#xff01;&#xff01;为了微信群发消息&#xff0c;我写了一个自动化脚本 最近真的太难顶了&#xff0c;要给微信几十个同学发同样的消息&#xff0c;我一共才十个手指&#xff0c;怎么可能扛得住这么造&#xff0c;真太伤身体了&#xf…

离线html文件及资源文件夹转换为单个mhtml文件

离线html文件及资源文件夹转换为单个mhtml文件 一、前言二、转换过程2.1mhtml文件简介2.2关键要点2.2.1boundary的使用2.2.2Content-Transfer-Encoding的选择2.2.3Content-Location 2.3转换代码 一、前言 旧版本的谷歌浏览器保存网页时默认只有两个选项&#xff0c;一个是网页…

鸿蒙Ability Kit(程序框架服务)【UIExtensionAbility】

UIExtensionAbility 概述 [UIExtensionAbility]是UI类型的ExtensionAbility组件&#xff0c;需要与[UIExtensionComponent]一起配合使用&#xff0c;开发者可以在UIAbility的页面中通过UIExtensionComponent嵌入提供方应用的UIExtensionAbility提供的UI。UIExtensionAbility会…

匈牙利匹配算法

一 什么是匈牙利匹配算法 匈牙利算法是一种解决二分图最大匹配问题的算法。在二分图中&#xff0c;将左边的点称为X集合&#xff0c;将右边的点称为Y集合&#xff0c;我们需要在X集合和Y集合之间建立一个双向边集合&#xff0c;使得所有的边都不相交。如果我们能够找到一个最大…

力扣669,修剪二叉搜索树

669. 修剪二叉搜索树 - 力扣&#xff08;LeetCode&#xff09; 递归 /*** Definition for a binary tree node.* public class TreeNode {* int val;* TreeNode left;* TreeNode right;* TreeNode() {}* TreeNode(int val) { this.val val; }* TreeNo…

19. FreeRTOS 直接任务通知当邮箱使用

FreeRTOS中任务通知作为邮箱的使用 引言 在嵌入式系统开发中&#xff0c;任务间的通信是非常重要的一部分。FreeRTOS提供了多种任务间通信的方式&#xff0c;如队列、信号量、事件标志组等。然而&#xff0c;这些通信方式可能会带来一些额外的开销。为了提供一种更高效的通信…

C++ Thread多线程并发记录(8)生产者-消费者模型与信号量(条件变量)

一.生产者-消费者模型 生产者-消费者模型是一个十分经典的多线程并发协作模式。所谓的生产者-消费者&#xff0c;实际上包含了两类线程&#xff0c;一种是生产者线程用于生产数据&#xff0c;另一种是消费者线程用于消费数据&#xff0c;为了解耦生产者和消费者的关系&#xff…

Opencv 色彩空间

一 核心知识 色彩空间变换&#xff1b; 像素访问&#xff1b; 矩阵的、-、*、、&#xff1b; 基本图形的绘制 二 颜色空间 RGB&#xff1a;人眼的色彩空间&#xff1b; OpenCV默认使用BGR&#xff1b; HSV/HSB/HSL; YUV(视频); 1 RGB 2 BGR 图像的多种属性 1 访问图像(Ma…

人工智能大模型的进化之路:探索如何让它们变得更“聪明”

一、引言 在人工智能&#xff08;AI&#xff09;领域&#xff0c;大模型凭借其强大的处理能力和广泛的应用前景&#xff0c;已经成为研究的热点。然而&#xff0c;尽管这些模型在多个领域展现出了惊人的能力&#xff0c;但它们仍然面临着理解力、泛化能力和适应性等方面的挑战…