iOS VideoToolbox硬编H.265(HEVC)H.264(AVC):1 概述

时间:2021-07-12 15:16:12

本文档尝试用Video Toolbox进行H.265(HEVC)硬件编码,视频源为iPhone后置摄像头。去年做完硬解H.264,没做编码,技能上感觉有些缺失。正好刚才发现CMFormatDescription.h中enum : CMVideoCodecType提供了kCMVideoCodecType_HEVC枚举值。所以呢,作死试试 iOS 9.2 硬编HEVC。

结论:不支持开发者使用H.265(HEVC),可以用H.264(AVC)。

1、读取iPhone后置摄像头

提示:iPhone不支持同时打开前后摄像头。因为SoC目前通常只有一个视频通道(Video Channel),当有两个AVCaptureSession先后运行,前一个会自动停止,后一个会继续运行。或者,有人想一个AVCaptureSession添加前后摄像头作为AVCaptureDeviceInput,这样会异常。因为两个办法我都试过。

iOS 8及后续版本,打开摄像头需要用户授权。

1.1、指定摄像头

我使用iPhone 6p当测试机,它有两个摄像头,要指定需使用的摄像头,在此使用后置摄像头当数据源。

AVCaptureDevice *avCaptureDevice;
NSArray *cameras = [AVCaptureDevice devicesWithMediaType:AVMediaTypeVideo];
for (AVCaptureDevice *device in cameras) {    
   if (device.position == AVCaptureDevicePositionBack) {        
       avCaptureDevice = device;    
   }
}

若想直接使用后置摄像头,可简化上述代码。

AVCaptureDevice * avCaptureDevice = [AVCaptureDevice defaultDeviceWithMediaType:AVMediaTypeVideo];

1.2、打开摄像头

对于捕获摄像头,整个行为都由AVCaptureSession会话类维护,简化了编程复杂度。输入为摄像头,输出为用户需要的通道,如屏幕。

NSError *error = nil;
AVCaptureDeviceInput *videoInput = [AVCaptureDeviceInput deviceInputWithDevice:avCaptureDevice error:&error];
if (!videoInput) {    
   return;
}
AVCaptureSession *avCaptureSession = [[AVCaptureSession alloc] init];
avCaptureSession.sessionPreset = AVCaptureSessionPresetHigh; // sessionPreset为AVCaptureSessionPresetHigh,可不显式指定
[avCaptureSession addInput:videoInput];

配置好输入,现在配置输出,即摄像头的输出数据格式等。由AVCaptureDevice.formats可知当前设备支持的像素格式,对于iPhone 6,就两个默认格式:420f和420v。需要输出32BGRA,则需AVCaptureSession进行配置kCVPixelBufferPixelFormatTypeKey,已测可用值为

  • kCVPixelFormatType_420YpCbCr8BiPlanarVideoRange,即420v

  • kCVPixelFormatType_420YpCbCr8BiPlanarFullRange,即420f

  • kCVPixelFormatType_32BGRA,iOS在内部进行YUV至BGRA格式转换

YUV420一般用于标清视频,YUV422用于高清视频,这里的限制让人感到意外。但是,在相同条件下,YUV420计算耗时和传输压力比YUV422都小。

AVCaptureVideoDataOutput *avCaptureVideoDataOutput = [[AVCaptureVideoDataOutput alloc] init];
NSDictionary*settings = @{(__bridge id)kCVPixelBufferPixelFormatTypeKey: @(kCVPixelFormatType_420YpCbCr8BiPlanarVideoRange)};
avCaptureVideoDataOutput.videoSettings = settings;
dispatch_queue_t queue = dispatch_queue_create("com.github.michael-lfx.back_camera_io", NULL);
[avCaptureVideoDataOutput setSampleBufferDelegate:self queue:queue];
[avCaptureSession addOutput:avCaptureVideoDataOutput];

添加预览界面。

AVCaptureVideoPreviewLayer *previewLayer = [AVCaptureVideoPreviewLayer layerWithSession:avCaptureSession];
previewLayer.frame = self.view.bounds;
previewLayer.videoGravity= AVLayerVideoGravityResizeAspectFill;
[self.view.layer addSublayer:previewLayer];

启动会话。

[avCaptureSession startRunning];

启动应用可看到摄像头当前图像。

1.3、从回调中获取摄像头数据

默认情况下,iPhone 6p为30 fps,意味着如下函数每秒调用30次,那么,先简单打印摄像头输出数据的信息。

- (void)captureOutput:(AVCaptureOutput *)captureOutput didOutputSampleBuffer:(CMSampleBufferRef)sampleBuffer fromConnection:(AVCaptureConnection *)connection {    
   CVPixelBufferRef pixelBuffer = CMSampleBufferGetImageBuffer(sampleBuffer);    
   if (CVPixelBufferIsPlanar(pixelBuffer)) {        
       NSLog(@"kCVPixelFormatType_420YpCbCr8BiPlanarVideoRange -> planar buffer");    
   }    
   CMVideoFormatDescriptionRef desc = NULL;    
   CMVideoFormatDescriptionCreateForImageBuffer(NULL, pixelBuffer, &desc);    
   CFDictionaryRef extensions = CMFormatDescriptionGetExtensions(desc);    
   NSLog(@"extensions = %@", extensions);
}

结果如下:

kCVPixelFormatType_420YpCbCr8BiPlanarVideoRange -> planar buffer
extensions = {    
   CVBytesPerRow = 2904;    
   CVImageBufferColorPrimaries = "ITU_R_709_2";    
   CVImageBufferTransferFunction = "ITU_R_709_2";    
   CVImageBufferYCbCrMatrix = "ITU_R_709_2";    
   Version = 2;
}

在我有限的视频基础中,ITU_R_709_2是HD视频的方案,一般用于YUV422,YUV至RGB的转换矩阵和SD视频(一般是ITU_R_601_4)并不相同。

CVPixelBufferGetPixelFormatType()可获取摄像头输出的像素数据格式,和前面指定的格式一致。

在当iPhone 6上运行且将sessionPreset设置为AVCaptureSessionPreset640x480,得到如下输出结果。

kCVPixelFormatType_420YpCbCr8BiPlanarVideoRange -> planar buffer
extensions = {    
   CVBytesPerRow = 964;    
   CVImageBufferColorPrimaries = "ITU_R_709_2";    
   CVImageBufferTransferFunction = "ITU_R_709_2";    
   CVImageBufferYCbCrMatrix = "ITU_R_601_4";    
   Version = 2;
}

分析一下CVBytesPerRow。CVBytesPerRow值964与CVPixelBufferGetBytesPerRow函数返回值一致。从预置可知,Y平面为640和CVPixelBufferGetWidth、CVPixelBufferGetWidthOfPlane(0)函数返回值一致。

CVPixelBufferGetBytesPerRow文档
The number of bytes per row of the image data. For planar buffers, this function returns a rowBytes value such that bytesPerRow * height covers the entire image, including all planes.

从上述文档可知CVPixelBufferGetBytesPerRow返回Planar缓冲区多个通道的宽度和,在此是Y、UV通道的宽度和:Y + U + V = 640 + (640/2 + 640/2) = 1280。当然,这个计算方式是错的。按YUV420采样规则计算,则一个像素点用8+2+2表示,即是,每个像素点12个位,那么每行图像实际拥有字节数为

640x12/8 = 960

与CVBytesPerRow不等。下面,再用理论公式计算图像的体积。
通过CVPixelBufferGetHeight得到高为480,图像体积为

640x480 + ((640/2) x (480/2)) + ((640/2) x (480/2))
=>640x480x3/2
=>460800

而CVPixelBufferGetDataSize返回462728,显然不相等。就像FFmpeg出于加速读取内存的目的,在AVFrame.data中加入填充数据,导致AVFrame.linesize >= AVFrame.width。那么,CVPixelBuffer是否存在行为呢?

size_t  extraColumnsOnLeft;
size_t extraColumnsOnRight;
size_t extraRowsOnTop;
size_t extraRowsOnBottom; CVPixelBufferGetExtendedPixels(pixelBuffer,                              
                               &extraColumnsOnLeft,                              
                               &extraColumnsOnRight,                              
                               &extraRowsOnTop,                              
                               &extraRowsOnBottom);
NSLog(@"extra (left, right, top, bottom) = (%ld, %ld, %ld, %ld)",      
   extraColumnsOnLeft,    
   extraColumnsOnRight,    
   extraRowsOnTop,    
   extraRowsOnBottom);

上述代码输出结果都为0,并无拓展像素。此问题留待解决。

2、VideoToolbox HEVC、AVC编码尝试

iOS支持硬编H.264(AVC)的Profile与Level描述在VTCompressionProperties.h,简单总结为:

  • Baseline

    • 1 - 3

    • 3 - [0, 2]

    • 4 - [0, 2]

    • 5 - [0, 2]

    • 自动Profile、Level

  • Main

    • 3 - [0, 2]

    • 4 - [0, 2]

    • 5 - [0, 2]

    • 自动Profile、Level

  • Extended Main

    • 5 - [0]

    • 自动Profile、Level

  • High

    • 3 - [0, 2]

    • 4 - [0, 2]

    • 5 - [0, 2]

    • 自动Profile、Level

VideoToolbox编码算法如下:

  1. 创建编码会话

  2. 准备编码

  3. 逐帧编码

  4. 结束编码

2.1、创建编码会话

// 获取摄像头输出图像的宽高
size_t width = CVPixelBufferGetWidth(pixelBuffer);
size_t height = CVPixelBufferGetHeight(pixelBuffer);
static VTCompressionSessionRef compressionSession;
OSStatus status =  VTCompressionSessionCreate(NULL,                                              
                                           width, height,                                              
                                           kCMVideoCodecType_H264,                                              
                                           NULL,                                              
                                           NULL,                                              
                                           NULL, &compressionOutputCallback, NULL, &compressionSession);

kCMVideoCodecType_H264改成kCMVideoCodecType_HEVC,在iOS 9.2.1 iPhone 6p、iPhone 6sp执行均返回错误-12908,kVTCouldNotFindVideoEncoderErr,找不到编码器。看来iOS 9.2并不开放HEVC编码器。

编码回调函数定义如下:

static void compressionOutputCallback(void * CM_NULLABLE outputCallbackRefCon,                                      void * CM_NULLABLE sourceFrameRefCon,                                      
                                       OSStatus status,                                      
                                       VTEncodeInfoFlags infoFlags,                                      
                                       CM_NULLABLE CMSampleBufferRef sampleBuffer ) {    
   if (status != noErr) {        
       NSLog(@"%s with status(%d)", __FUNCTION__, status);        
       return;    
   }    
   if (infoFlags == kVTEncodeInfo_FrameDropped) {        
       NSLog(@"%s with frame dropped.", __FUNCTION__);        
       return;    
   }    
   /* ------ 辅助调试 ------ */    
   CMFormatDescriptionRef fmtDesc = CMSampleBufferGetFormatDescription(sampleBuffer);    CFDictionaryRef extensions = CMFormatDescriptionGetExtensions(fmtDesc);    NSLog(@"extensions = %@", extensions);    
   CMItemCount count = CMSampleBufferGetNumSamples(sampleBuffer);    NSLog(@"samples count = %d", count);    /* ====== 辅助调试 ====== */      
   // 推流或写入文件
}

编码成功时输出如下信息:

extensions = {    
   FormatName = "H.264";    
   SampleDescriptionExtensionAtoms =     {        
       avcC = <014d0028 ffe1000b 274d0028 ab603c01 13f2a001 000428ee 3c30>;    
   };
}
samples count = 1

采样数据为1,并不意味着slice数量为1。目前没找到输出多slice码流(多个I、P Slice)的参数配置。sampleBuffer的详细信息示例如下:

CMSampleBuffer 0x126e9fd80 retainCount: 1 allocator: 0x1a227cb68    
   invalid = NO    
   dataReady = YES    
   makeDataReadyCallback = 0x0    
   makeDataReadyRefcon = 0x0    
   formatDescription = <CMVideoFormatDescription 0x126e9fd50 [0x1a227cb68]> {    
   mediaType:'vide'      
   mediaSubType:'avc1'      
   mediaSpecific: {        
       codecType: 'avc1'        dimensions: 1920 x 1080      
   }      
   extensions: {<CFBasicHash 0x126e9eae0 [0x1a227cb68]>{type = immutable dict, count = 2, entries =>    
   0 : <CFString 0x19dd523e0 [0x1a227cb68]>{contents = "SampleDescriptionExtensionAtoms"} = <CFBasicHash 0x126e9e090 [0x1a227cb68]>{type = immutable dict, count = 1, entries =>    
   2 : <CFString 0x19dd57c20 [0x1a227cb68]>{contents = "avcC"} = <CFData 0x126e9e1b0 [0x1a227cb68]>{length = 26, capacity = 26, bytes = 0x014d0028ffe1000b274d0028ab603c01 ... a001000428ee3c30} }    
   2 : <CFString 0x19dd52440 [0x1a227cb68]>{contents = "FormatName"} = H.264} } }    
   sbufToTrackReadiness = 0x0    
   numSamples = 1    
   sampleTimingArray[1] = {        
       {PTS = {196709596065916/1000000000 = 196709.596}, DTS = {INVALID}, duration = {INVALID}},    
   }    
   sampleSizeArray[1] = {        
       sampleSize = 5707,    
   }    
   sampleAttachmentsArray[1] = {        
       sample 0:            DependsOnOthers = false    
   }    
   dataBuffer = 0x126e9fc50

为方便调试,可将H264文件写入文件,用VLC等工具分析,这是本系列文档第二篇:
iOS VideoToolbox硬编H.265(HEVC)H.264(AVC):2 H264数据写入文件

下面介绍avcC的作用。

avcC放入CFDictionaryRef然后传递至CMVideoFormatDescriptionCreate,创建视频格式描述,接着创建解码会话,开始解码。

由此也可发现,VideoToolbox编码输出为avcC格式,而且VideoToolbox也只支持avcC格式的H.264。如果从网络中得到Annex-B格式的H.264数据(一般称作H.264裸流或Elementary Stream),用CMVideoFormatDescriptionCreateFromH264ParameterSets创建视频格式描述更方便,同时解码时需要将Annex-B转换成avcC,这也是WWDC2014 513 "direct access to media encoding and decoding"中说VideoToolbox只支持MP4容器装载的H.264数据的原因,就我所知,当写入MP4时,Annex-B使用的起始码(Start Code)会被写成长度(Length)。这就是VideoToolBox硬解最容易出问题的点,我去年做硬解花了很长时间就是因为不了解H.264相关知识,各种出错。

2.2、准备编码

开始编码前,可配置H.264 Profile、Level、帧间距等设置,它们最终体现在SPS、PPS,指导解码器进行解码操作。

VTSessionSetProperty(compressionSession, kVTCompressionPropertyKey_ProfileLevel, kVTProfileLevel_H264_Main_AutoLevel);
// 等等一系列属性
OSStatus status = VTCompressionSessionPrepareToEncodeFrames(compressionSession);
if (status != noErr) {    
   // FAILED.
}

本系列文档第二篇iOS VideoToolbox硬编H.265(HEVC)H.264(AVC):2 H264数据写入文件进一步解释SPS、PPS。

2.3、逐帧编码

编码前,一般会锁定像素缓冲区基位置,编码完解除。同时,需要指定显示时间戳和持续时间。

if(CVPixelBufferLockBaseAddress(pixelBuffer, 0) != kCVReturnSuccess) {    
   // FAILED.
}  
CMTime presentationTimeStamp = CMSampleBufferGetOutputPresentationTimeStamp(sampleBuffer);
CMTime duration = CMSampleBufferGetOutputDuration(sampleBuffer);  
status = VTCompressionSessionEncodeFrame(compressionSession, pixelBuffer, presentationTimeStamp, duration, NULL, pixelBuffer, NULL);  
CVPixelBufferUnlockBaseAddress(pixelBuffer, 0);

编码不像解码一样可以指定VTDecodeFrameFlags为同步操作,所以编码的回调是异步的。异步虽然提高了代码运行效率,同时带来整理帧序等额外操作,让音频同步编码等操作变复杂。

2.4、结束编码

编码结束时,调用VTCompressionSessionCompleteFrames停止编码并指示编码器如何处理已编码及待编码帧。
接着调用VTCompressionSessionInvalidate结束会话,否则硬件容易异常,需要重启手机。
最后释放VTCompressionSession

3、讨论

WWDC2014 513 "direct access to media encoding and decoding" 提及了在实时要求不高的场合,编码用MultiPass可得到更好的效果。我并没尝试。