ffmpeg编解码——时间基（time base）概念

FFmpeg 编解码——时间基（Time Base）概念

FFmpeg是一个非常强大的开源多媒体处理工具库。在处理视频和音频流时，理解其时间基（Time Base）概念至关重要。这篇文章将分析时间基在FFmpeg中的应用，并以实例代码进行演示。

1. 时间基（Time Base）概念

1.1 定义与作用

时间基，即Time Base，是用于衡量时间的单位，在多媒体编程中被广泛使用。对于FFmpeg，它主要用于描述帧率、持续时间和时间戳等概念。简单地说，时间基是一种将数值时间戳转化为真实时间（秒）的方式。

1.2 表现形式

时间基通常表现为一个分数，比如1/25，这表示每帧的持续时间为0.04秒（即1除以25）。在FFmpeg的数据结构中，AVStream->time_base字段就用来表示时间基。

2. 时间基在FFmpeg中的应用

2.1 时间戳

在FFmpeg中，时间戳是根据特定的时间基进行计算的。时间戳可以看作是帧在媒体流中的位置或播放时间。例如，如果时间基是1/50，那么时间戳20就代表了该帧位于媒体流的0.4秒处。

2.2 持续时间

持续时间也是根据时间基来计算的。例如，一个视频片段有50帧，如果时间基是1/25，那么这个视频片段的持续时间就是2秒（即50乘以1/25）。

3. 理解FFmpeg中的时间基转换

FFmpeg为我们提供了方便的API进行时间基之间的转换，主要有av_rescale_q和av_rescale_q_rnd两个函数。这两个函数可以用于在不同时间基之间转换时间戳。

3.1 av_rescale_q 函数

int64_t av_rescale_q(int64_t a, AVRational bq, AVRational cq)

该函数的作用是将时间戳从一个时间基转换到另一个时间基。它会确保结果是最接近原值的整数。

3.2 av_rescale_q_rnd 函数

int64_t av_rescale_q_rnd(int64_t a, AVRational bq, AVRational cq, enum AVRounding)

这个函数和av_rescale_q类似，但它允许用户选择四舍五入的方式。

4. 时间基相关操作的代码示例

以下是一个使用FFmpeg API处理时间基的简单示例：

AVFormatContext *fmt_ctx;
AVStream *stream;
int64_t timestamp;

// 假设fmt_ctx和stream已经被正确初始化

timestamp = av_rescale_q(stream->cur_dts, stream->time_base, AV_TIME_BASE_Q);

在这个示例中，av_rescale_q函数用于将当前解码时间戳（DTS）从流的时间基转换为全局时间基。

5. 用时间基概念分析ffprobe查看视频文件信息packet中的各字段

ffprobe是一个非常实用的工具，它能够提供媒体文件（如视频和音频）的详细信息。

1. 使用ffprobe查看视频信息

要查看视频文件的信息，我们可以使用以下命令：

ffprobe -show_packets video.mp4

这条命令将显示视频文件中所有包的信息。

2. ffprobe输出的字段解析

下面是ffprobe可能输出的一些字段，以及它们的含义：

2.1 pts 和 dts

pts（Presentation Time Stamp）和dts（Decoding Time Stamp）表示每个数据包应该何时被展示和解码。它们的值都是相对于时间基的。

2.2 duration

duration字段表示数据包的持续时间，同样是相对于时间基的。

2.3 time_base

time_base字段就是我们前面讨论的时间基，它为上述时间戳和持续时间提供了参考。

2.4 stream_index

stream_index字段表示当前数据包属于哪个流。例如，对于多语言电影，可能有多个音频流。

3. 时间基在ffprobe中的应用

时间基在ffprobe输出中起着至关重要的作用。通过将pts、dts和duration乘以时间基，我们可以得到实际的展示、解码和持续时间。

例如，如果一个数据包的pts是18000，time_base是1/90000（这是很常见的视频时间基），那么该数据包应在0.2秒处被展示。

pts (in seconds) = pts * time_base = 18000 * 1/90000 = 0.2

4. 理解帧和数据包

在FFmpeg中，数据包(packet)和帧(frame)是两个不同的概念。一帧通常对应于一个完整的图像，而一个数据包可能包含多个帧，或者一个帧的一部分。

这意味着我们不能仅根据数据包的数量来计算视频的总时长。正确的做法是将每个数据包的duration相加，然后乘以time_base。

total_duration (in seconds) = sum(duration for each packet) * time_base