阅读量:0
=================================================================
音视频入门基础：WAV专题系列文章：
音视频入门基础：WAV专题（1）——使用FFmpeg命令生成WAV音频文件
音视频入门基础：WAV专题（3）——FFmpeg源码中，判断某文件是否为WAV音频文件的实现
音视频入门基础：WAV专题（4）——FFmpeg源码中获取WAV文件音频压缩编码格式、采样频率、声道数量、采样位数、码率的实现
音视频入门基础：WAV专题（5）——FFmpeg源码中解码WAV Header的实现
=================================================================
一、引言
通过FFmpeg命令可以获取到WAV文件的音频压缩编码格式、采样频率、声道数量、采样位数、码率等信息：
在vlc中也可以获取到这些信息（vlc底层也使用了FFmpeg进行解码）：
所以FFmpeg和vlc是怎样获取到这些信息的呢？它们其实是通过WAV Header中的标签为“fmt ”的子区块获取的。在文章《音视频入门基础：WAV专题（2）——WAV格式简介》中，介绍了WAV格式和WAV的Header。WAV Header中的内容以区块(chunk)为最小单位，标签为“fmt ”的子区块被称为Format chunk，记录声道数量、采样率等信息：
而FFmpeg源码（本文演示用的FFmpeg源码版本为5.0.3）中是通过ff_get_wav_header函数来解码Format chunk，获取里面信息的。
二、ff_get_wav_header函数的声明
ff_get_wav_header函数声明在FFmpeg源码的头文件libavformat/riff.h中：
int ff_get_wav_header(AVFormatContext *s, AVIOContext *pb, AVCodecParameters *par, int size, int big_endian);该函数作用是：解码WAV Header中的Format chunk，获取里面的信息。
形参s：输入型参数。为AVFormatContext类型的指针，这里主要用于打印日志，可忽略。
形参pb：既是输入型参数也是输出型参数。指向一个AVIOContext 类型变量，包含WAV文件中的二进制数据。
pb->buffer：恒指向输入缓冲区的开头，该缓冲区包含WAV文件最前面的二进制数据。由于WAV Header在WAV文件的最前面，所以该缓冲区包含整个WAV Header的二进制数据。
pb->buffer_size：pb->buffer指向的缓冲区的大小，单位为字节。FFmpeg解码WAV Header的时候不会读取完整个WAV文件，只会读取它前面的一部分，比如最开始的32768个字节。只要根据前面的这些字节就足够判断出它的格式了，所以p->buf_size的值一般就是32768。
pb->buf_ptr：指向输入缓冲区中当前读取到的位置。由于当前要读取的是Format chunk，所以pb->buf_ptr指向以“Format chunk”中的“音讯格式”为开头的数据。执行ff_get_wav_header函数后，pb->buf_ptr的值会增加，表示读取完了Format chunk：
pb->buf_end：恒指向输入缓冲区的末尾。
形参par：输出型参数。指向一个AVCodecParameters类型变量，也就是描述编码流属性的结构体。执行ff_get_wav_header函数后，通过par中的成员拿到Format chunk中的声道数量、采样率等信息。AVCodecParameters结构体部分成员如下：
/** * This struct describes the properties of an encoded stream. * * sizeof(AVCodecParameters) is not a part of the public ABI, this struct must * be allocated with avcodec_parameters_alloc() and freed with * avcodec_parameters_free(). */ typedef struct AVCodecParameters { /** * General type of the encoded data. */ enum AVMediaType codec_type; enum AVCodecID codec_id; /** * The average bitrate of the encoded data (in bits per second). */ int64_t bit_rate; /** * The number of bits per sample in the codedwords. * * This is basically the bitrate per sample. It is mandatory for a bunch of * formats to actually decode them. It's the number of bits for one sample in * the actual coded bitstream. * * This could be for example 4 for ADPCM * For PCM formats this matches bits_per_raw_sample * Can be 0 */ int bits_per_coded_sample; /** * Audio only. The number of audio channels. */ int channels; /** * Audio only. The number of audio samples per second. */ int sample_rate; /** * Audio only. The number of bytes per coded audio frame, required by some * formats. * * Corresponds to nBlockAlign in WAVEFORMATEX. */ int block_align; //... } AVCodecParameters;执行ff_get_wav_header函数后：
par->codec_type会被赋值为AVMEDIA_TYPE_AUDIO，表示它对应的这路流是音频。
par->codec_id会被赋值为解码器的id。比如对于PCM这种音频压缩编码格式，其解码器id有如下类型：
/* various PCM "codecs" */ AV_CODEC_ID_FIRST_AUDIO = 0x10000, ///< A dummy id pointing at the start of audio codecs AV_CODEC_ID_PCM_S16LE = 0x10000, AV_CODEC_ID_PCM_S16BE, AV_CODEC_ID_PCM_U16LE, AV_CODEC_ID_PCM_U16BE, AV_CODEC_ID_PCM_S8, AV_CODEC_ID_PCM_U8, AV_CODEC_ID_PCM_MULAW, AV_CODEC_ID_PCM_ALAW, AV_CODEC_ID_PCM_S32LE, AV_CODEC_ID_PCM_S32BE, AV_CODEC_ID_PCM_U32LE, AV_CODEC_ID_PCM_U32BE, AV_CODEC_ID_PCM_S24LE, AV_CODEC_ID_PCM_S24BE, AV_CODEC_ID_PCM_U24LE, AV_CODEC_ID_PCM_U24BE, AV_CODEC_ID_PCM_S24DAUD, AV_CODEC_ID_PCM_ZORK, AV_CODEC_ID_PCM_S16LE_PLANAR, AV_CODEC_ID_PCM_DVD, AV_CODEC_ID_PCM_F32BE, AV_CODEC_ID_PCM_F32LE, AV_CODEC_ID_PCM_F64BE, AV_CODEC_ID_PCM_F64LE, AV_CODEC_ID_PCM_BLURAY, AV_CODEC_ID_PCM_LXF, AV_CODEC_ID_S302M, AV_CODEC_ID_PCM_S8_PLANAR, AV_CODEC_ID_PCM_S24LE_PLANAR, AV_CODEC_ID_PCM_S32LE_PLANAR, AV_CODEC_ID_PCM_S16BE_PLANAR, AV_CODEC_ID_PCM_S64LE, AV_CODEC_ID_PCM_S64BE, AV_CODEC_ID_PCM_F16LE, AV_CODEC_ID_PCM_F24LE, AV_CODEC_ID_PCM_VIDC, AV_CODEC_ID_PCM_SGA,par->bit_rate会被赋值为该音频的码率，单位为bits/s。
par->bits_per_coded_sample会被赋值为音频的采样位数。
par->channels会被赋值为声道数量。
par->sample_rate会被赋值为音频的采样频率，单位为Hz。
par->block_align会被赋值为“区块对齐”，即每个采样点所需的字节数。
形参size：输入型参数。Format chunk的子区块大小，也就是“子区块1大小”：
形参big_endian：输入型参数，表示WAV Header中的区块中的真正数据是按照小端还是大端存贮。如果该WAV文件遵守RIFF格式的规则，形参big_endian为0，表示小端；如果该WAV文件遵守RIFX格式的规则，形参big_endian为1，表示大端。
返回值：返回0表示从Format chunk获取信息成功。返回一个负数表示从Format chunk获取信息失败。
三、ff_get_wav_header函数的定义
ff_get_wav_header函数的定义在FFmpeg源码的源文件libavformat/riffdec.c中：
/* "big_endian" values are needed for RIFX file format */ int ff_get_wav_header(AVFormatContext *s, AVIOContext *pb, AVCodecParameters *par, int size, int big_endian) { int id; uint64_t bitrate = 0; if (size < 14) { avpriv_request_sample(s, "wav header size < 14"); return AVERROR_INVALIDDATA; } par->codec_type = AVMEDIA_TYPE_AUDIO; if (!big_endian) { id = avio_rl16(pb); if (id != 0x0165) { par->channels = avio_rl16(pb); par->sample_rate = avio_rl32(pb); bitrate = avio_rl32(pb) * 8LL; par->block_align = avio_rl16(pb); } } else { id = avio_rb16(pb); par->channels = avio_rb16(pb); par->sample_rate = avio_rb32(pb); bitrate = avio_rb32(pb) * 8LL; par->block_align = avio_rb16(pb); } if (size == 14) { /* We're dealing with plain vanilla WAVEFORMAT */ par->bits_per_coded_sample = 8; } else { if (!big_endian) { par->bits_per_coded_sample = avio_rl16(pb); } else { par->bits_per_coded_sample = avio_rb16(pb); } } if (id == 0xFFFE) { par->codec_tag = 0; } else { par->codec_tag = id; par->codec_id = ff_wav_codec_get_id(id, par->bits_per_coded_sample); } if (size >= 18 && id != 0x0165) { /* We're obviously dealing with WAVEFORMATEX */ int cbSize = avio_rl16(pb); /* cbSize */ if (big_endian) { avpriv_report_missing_feature(s, "WAVEFORMATEX support for RIFX files"); return AVERROR_PATCHWELCOME; } size -= 18; cbSize = FFMIN(size, cbSize); if (cbSize >= 22 && id == 0xfffe) { /* WAVEFORMATEXTENSIBLE */ parse_waveformatex(s, pb, par); cbSize -= 22; size -= 22; } if (cbSize > 0) { if (ff_get_extradata(s, par, pb, cbSize) < 0) return AVERROR(ENOMEM); size -= cbSize; } /* It is possible for the chunk to contain garbage at the end */ if (size > 0) avio_skip(pb, size); } else if (id == 0x0165 && size >= 32) { int nb_streams, i; size -= 4; if (ff_get_extradata(s, par, pb, size) < 0) return AVERROR(ENOMEM); nb_streams = AV_RL16(par->extradata + 4); par->sample_rate = AV_RL32(par->extradata + 12); par->channels = 0; bitrate = 0; if (size < 8 + nb_streams * 20) return AVERROR_INVALIDDATA; for (i = 0; i < nb_streams; i++) par->channels += par->extradata[8 + i * 20 + 17]; } par->bit_rate = bitrate; if (par->sample_rate <= 0) { av_log(s, AV_LOG_ERROR, "Invalid sample rate: %d\n", par->sample_rate); return AVERROR_INVALIDDATA; } if (par->codec_id == AV_CODEC_ID_AAC_LATM) { /* Channels and sample_rate values are those prior to applying SBR * and/or PS. */ par->channels = 0; par->sample_rate = 0; } /* override bits_per_coded_sample for G.726 */ if (par->codec_id == AV_CODEC_ID_ADPCM_G726 && par->sample_rate) par->bits_per_coded_sample = par->bit_rate / par->sample_rate; return 0; }四、ff_get_wav_header函数的内部实现分析
ff_get_wav_header函数中，首先通过如下语句判断Format chunk的子区块大小，也就是“子区块1大小”是否小于14，如果小于14返回AVERROR_INVALIDDATA，表示不合法：
if (size < 14) { avpriv_request_sample(s, "wav header size < 14"); return AVERROR_INVALIDDATA; }合法的“Format chunk的子区块大小”是不可能小于14，但可以等于14。如果等于14，则Format chunk不包含“位元深度”（采样位数）：
然后让par->codec_type被赋值为AVMEDIA_TYPE_AUDIO，表示它对应的这路流是音频。
par->codec_type = AVMEDIA_TYPE_AUDIO;根据该WAV文件是遵守RIFF格式还是RIFX格式的规则，按照小端/大端模式读取声道数量、音频采样率、码率、“区块对齐”（每个采样点所需的字节数）。这里用到avio_rXXX系列函数，关于它们的用法可以参考：《FFmpeg源码：avio_r8、avio_rl16、avio_rl24、avio_rl32、avio_rl64函数分析》。由于Format chunk中的音频码率单位为byte per second，所以得将该值乘8，得到以bits/s为单位的码率：
if (!big_endian) { id = avio_rl16(pb); if (id != 0x0165) { par->channels = avio_rl16(pb); par->sample_rate = avio_rl32(pb); bitrate = avio_rl32(pb) * 8LL; par->block_align = avio_rl16(pb); } } else { id = avio_rb16(pb); par->channels = avio_rb16(pb); par->sample_rate = avio_rb32(pb); bitrate = avio_rb32(pb) * 8LL; par->block_align = avio_rb16(pb); }当“Format chunk的子区块大小”为14时，表示这是最简单版本不包含音频采样位数的Format chunk，让par->bits_per_coded_sample音频采样位数默认取值为8。如果“Format chunk的子区块大小”不为14，读取音频的采样位数：
if (size == 14) { /* We're dealing with plain vanilla WAVEFORMAT */ par->bits_per_coded_sample = 8; } else { if (!big_endian) { par->bits_per_coded_sample = avio_rl16(pb); } else { par->bits_per_coded_sample = avio_rb16(pb); } }根据音频压缩编码格式得到对应的解码器id：
if (id == 0xFFFE) { par->codec_tag = 0; } else { par->codec_tag = id; par->codec_id = ff_wav_codec_get_id(id, par->bits_per_coded_sample); }“Format chunk的子区块大小”的值一般是16，如果大于16，表示Format chunk包含扩展块。通过下面语句处理Format chunk包含扩展块的情况：
if (size >= 18 && id != 0x0165) { /* We're obviously dealing with WAVEFORMATEX */ int cbSize = avio_rl16(pb); /* cbSize */ if (big_endian) { avpriv_report_missing_feature(s, "WAVEFORMATEX support for RIFX files"); return AVERROR_PATCHWELCOME; } size -= 18; cbSize = FFMIN(size, cbSize); if (cbSize >= 22 && id == 0xfffe) { /* WAVEFORMATEXTENSIBLE */ parse_waveformatex(s, pb, par); cbSize -= 22; size -= 22; } if (cbSize > 0) { if (ff_get_extradata(s, par, pb, cbSize) < 0) return AVERROR(ENOMEM); size -= cbSize; } /* It is possible for the chunk to contain garbage at the end */ if (size > 0) avio_skip(pb, size); } else if (id == 0x0165 && size >= 32) { int nb_streams, i; size -= 4; if (ff_get_extradata(s, par, pb, size) < 0) return AVERROR(ENOMEM); nb_streams = AV_RL16(par->extradata + 4); par->sample_rate = AV_RL32(par->extradata + 12); par->channels = 0; bitrate = 0; if (size < 8 + nb_streams * 20) return AVERROR_INVALIDDATA; for (i = 0; i < nb_streams; i++) par->channels += par->extradata[8 + i * 20 + 17]; }音频采样率不可能不大于0，如果不大于0返回AVERROR_INVALIDDATA，表示不合法：
if (par->sample_rate <= 0) { av_log(s, AV_LOG_ERROR, "Invalid sample rate: %d\n", par->sample_rate); return AVERROR_INVALIDDATA; }