最近在玩一個(gè)類似小咖秀的項(xiàng)目瞪浸,所以對(duì)AVFoundation有了一些的研究侦副。這是AVFoundation的第一篇嚼松,準(zhǔn)備先介紹一些AVFoundation中的基礎(chǔ)知識(shí)
音頻采樣
大自然中的聲音亩钟,他的形態(tài)是一種波焙蚓。我們通過采樣,將這種波量化成數(shù)據(jù)话速,記錄下來讶踪,如下圖所示:
如上圖所示,采樣的數(shù)據(jù)并不能完整的還原出原來的波形尿孔,只能做到盡量接近原波形俊柔。并且采樣率(采樣的次數(shù))越高,波形越接近原波形活合。不過采樣的次數(shù)增多雏婶,必然會(huì)導(dǎo)致存儲(chǔ)的數(shù)據(jù)量要增加,所以我們不可能無限提升采樣率白指。經(jīng)過長(zhǎng)期的研究人們發(fā)現(xiàn)留晚,當(dāng)采樣率等于波形中最高頻率的2倍時(shí),已經(jīng)足夠?qū)⒉ㄐ芜€原到可接受的程度了告嘲。這個(gè)頻率稱為奈奎斯特頻率错维。人耳能接受的最高頻率為20kHz,所以只要采樣率超過40kHz橄唬,就可以呈現(xiàn)出可接受的聲音赋焕。目前常見的CD采樣率為44.1kHz。
除了采樣率之外仰楚,音頻采樣還有一個(gè)重要參數(shù)叫做音頻的位元深度隆判。表示用多少位(bit)定義線性維度上的離散度來保存一個(gè)音頻樣本。位數(shù)越高僧界,離散度越多侨嘀,表示的聲音越精確(音質(zhì)越好)。一般來說16bit比較常見捂襟,可以表示65536個(gè)離散度咬腕。
一個(gè)音頻文件的體積,有如下算法:體積=采樣率*位元深度*音道數(shù)*時(shí)間
葬荷。
音頻壓縮
對(duì)聲音進(jìn)行采樣涨共、量化過程被稱為脈沖編碼調(diào)制(Pulse Code Modulation)纽帖,直接脈沖編碼調(diào)制(Linear Pulse Code Modulation)產(chǎn)生的數(shù)據(jù)稱為L(zhǎng)inear PCM數(shù)據(jù),LPCM數(shù)據(jù)是最原始的音頻數(shù)據(jù)完全無損煞赢,但是他的體積非常大抛计,比如一個(gè)44.1kHz哄孤,16bit照筑,雙音道的音頻文件,每分鐘的數(shù)據(jù)量為44.1*16*2*60kbit=10.3M瘦陈。一個(gè)普通5分鐘的音樂就得50M凝危,這個(gè)數(shù)據(jù)量對(duì)普通用戶來說是過于龐大的。
為了解決這個(gè)問題晨逝,誕生了一系列的壓縮算法蛾默,其中主要分為有無損壓縮(ALAC、APE捉貌、FLAC)和有損壓縮(MP3支鸡、AAC、OGG趁窃、WMA)兩種牧挣。其具體的壓縮算法對(duì)應(yīng)到AVFoundation的CoreAudioTypes.h
中有:
CF_ENUM(AudioFormatID)
{
kAudioFormatLinearPCM = 'lpcm',
kAudioFormatAC3 = 'ac-3',
kAudioFormat60958AC3 = 'cac3',
kAudioFormatAppleIMA4 = 'ima4',
kAudioFormatMPEG4AAC = 'aac ',
kAudioFormatMPEG4CELP = 'celp',
kAudioFormatMPEG4HVXC = 'hvxc',
kAudioFormatMPEG4TwinVQ = 'twvq',
kAudioFormatMACE3 = 'MAC3',
kAudioFormatMACE6 = 'MAC6',
kAudioFormatULaw = 'ulaw',
kAudioFormatALaw = 'alaw',
kAudioFormatQDesign = 'QDMC',
kAudioFormatQDesign2 = 'QDM2',
kAudioFormatQUALCOMM = 'Qclp',
kAudioFormatMPEGLayer1 = '.mp1',
kAudioFormatMPEGLayer2 = '.mp2',
kAudioFormatMPEGLayer3 = '.mp3',
kAudioFormatTimeCode = 'time',
kAudioFormatMIDIStream = 'midi',
kAudioFormatParameterValueStream = 'apvs',
kAudioFormatAppleLossless = 'alac',
kAudioFormatMPEG4AAC_HE = 'aach',
kAudioFormatMPEG4AAC_LD = 'aacl',
kAudioFormatMPEG4AAC_ELD = 'aace',
kAudioFormatMPEG4AAC_ELD_SBR = 'aacf',
kAudioFormatMPEG4AAC_ELD_V2 = 'aacg',
kAudioFormatMPEG4AAC_HE_V2 = 'aacp',
kAudioFormatMPEG4AAC_Spatial = 'aacs',
kAudioFormatAMR = 'samr',
kAudioFormatAMR_WB = 'sawb',
kAudioFormatAudible = 'AUDB',
kAudioFormatiLBC = 'ilbc',
kAudioFormatDVIIntelIMA = 0x6D730011,
kAudioFormatMicrosoftGSM = 0x6D730031,
kAudioFormatAES3 = 'aes3',
kAudioFormatEnhancedAC3 = 'ec-3'
};
色彩二次抽樣
經(jīng)過大量的研究表明,人的眼睛對(duì)亮度非常敏感醒陆,但是對(duì)色彩信息比較遲鈍瀑构。色彩二次抽樣是指在原有的圖片樣本中,二次抽樣刨摩,減少對(duì)色彩信息的抽樣寺晌,而達(dá)到減小圖片體積(樣本數(shù)減小)澡刹,又不怎么影響圖片質(zhì)量(眼睛對(duì)色彩不敏感)的效果呻征。
視頻數(shù)據(jù)使用的是YCbCr的顏色模型,YCbCr也稱為YUV罢浇。其中Y表示亮度分量陆赋,Cb表示藍(lán)色分量,Cr表示紅色分量己莺。
常用的YCbCr有4:4:4奏甫、4:2:2、4:2:0凌受、4:1:1阵子。
- 4:4:4 亮度和色彩信息的比值為1:1,所有色彩信息都會(huì)被抽樣胜蛉,也就是全彩挠进。
- 4:2:2 亮度和色彩信息的比值為2:1色乾,只有1/2的色彩信息被抽樣
- 4:2:0和4:1:1 亮度和色彩信息比值為4:1,只有1/4的色彩信息被抽樣
對(duì)應(yīng)到AVFoundation的CVImageBuffer.h
中有:
CV_EXPORT const CFStringRef CV_NONNULL kCVImageBufferChromaSubsamplingKey __OSX_AVAILABLE_STARTING(__MAC_10_5,__IPHONE_4_0); // CFString/CFNumber with one of the following values
CV_EXPORT const CFStringRef CV_NONNULL kCVImageBufferChromaSubsampling_420 __OSX_AVAILABLE_STARTING(__MAC_10_5,__IPHONE_4_0);
CV_EXPORT const CFStringRef CV_NONNULL kCVImageBufferChromaSubsampling_422 __OSX_AVAILABLE_STARTING(__MAC_10_5,__IPHONE_4_0);
CV_EXPORT const CFStringRef CV_NONNULL kCVImageBufferChromaSubsampling_411 __OSX_AVAILABLE_STARTING(__MAC_10_5,__IPHONE_4_0);
一些特別專業(yè)的相機(jī)可能會(huì)用到4:4:4參數(shù)捕捉圖片领突,大部分情況下會(huì)用4:2:2參數(shù)暖璧,普通的攝像頭(如:iPhone攝像頭)一般都是4:2:0、4:1:1
H.264
跟音頻文件相比君旦,視頻文件體積更大澎办。我們平時(shí)使用的視頻文件都是經(jīng)過壓縮處理的。大部分音視頻都使用編解碼器(codec)來進(jìn)行壓縮和解壓金砍,iOS中使用的主要編解碼器標(biāo)準(zhǔn)為H.264局蚀,H.264對(duì)應(yīng)AVFoundation的AVVideoSettings.h
中:
AVF_EXPORT NSString *const AVVideoCodecKey /* NSString (CMVideoCodecType) */ NS_AVAILABLE(10_7, 4_0);
AVF_EXPORT NSString *const AVVideoCodecH264 /* @"avc1" */ NS_AVAILABLE(10_7, 4_0);
H.264通過空間和時(shí)間2個(gè)維度來壓縮體積:
- 空間:空間上的壓縮獨(dú)立于視頻幀,也稱為幀內(nèi)壓縮恕稠。主要通過壓縮圖片的方式(如色彩二次抽樣等)來減小體積琅绅,幀內(nèi)壓縮一般為有損壓縮
- 時(shí)間:時(shí)間上的壓縮也稱為幀間壓縮。視頻是由連續(xù)的幀(圖片)組成鹅巍。一段視頻中(很多張圖片)有很多不變的冗余元素千扶,通過減小這些冗余元素來達(dá)到壓縮的目的,這就是幀間壓縮骆捧,幀間壓縮一般為無損壓縮
H.264有3種profile澎羞,用于確定編碼過程中幀間壓縮使用的算法:
- BaseLine:這個(gè)標(biāo)準(zhǔn)提供了最低效的壓縮,經(jīng)過這個(gè)標(biāo)準(zhǔn)壓縮后的文件體積任然比較大凑懂,但是這種算法計(jì)算強(qiáng)度最小
- Main:這個(gè)標(biāo)準(zhǔn)的計(jì)算強(qiáng)度比BaseLine大煤痕,但是能達(dá)到更高的壓縮效果
- High:這個(gè)標(biāo)準(zhǔn)能達(dá)到最高質(zhì)量的壓縮效果,但他的壓縮算法最復(fù)雜
H.264除了profile還有一個(gè)等級(jí)(Level)標(biāo)準(zhǔn)接谨,Level是對(duì)自身特性的一些描述(碼率摆碉,分辨率,fps等),Level越高脓豪,視頻的碼率巷帝、分辨率、fps越高扫夜。
對(duì)應(yīng)AVfoundation的AVVideoSettings.h
中:
AVF_EXPORT NSString *const AVVideoProfileLevelKey /* NSString, H.264 only, one of: */ NS_AVAILABLE(10_8, 4_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264Baseline30 /* Baseline Profile Level 3.0 */ NS_AVAILABLE(10_8, 4_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264Baseline31 /* Baseline Profile Level 3.1 */ NS_AVAILABLE(10_8, 4_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264Baseline41 /* Baseline Profile Level 4.1 */ NS_AVAILABLE(10_8, 5_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264BaselineAutoLevel /* Baseline Profile Auto Level */ NS_AVAILABLE(10_9, 7_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264Main30 /* Main Profile Level 3.0 */ NS_AVAILABLE(10_8, 4_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264Main31 /* Main Profile Level 3.1 */ NS_AVAILABLE(10_8, 4_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264Main32 /* Main Profile Level 3.2 */ NS_AVAILABLE(10_8, 5_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264Main41 /* Main Profile Level 4.1 */ NS_AVAILABLE(10_8, 5_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264MainAutoLevel /* Main Profile Auto Level */ NS_AVAILABLE(10_9, 7_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264High40 /* High Profile Level 4.0 */ NS_AVAILABLE(10_9, 6_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264High41 /* High Profile Level 4.1 */ NS_AVAILABLE(10_9, 6_0);
AVF_EXPORT NSString *const AVVideoProfileLevelH264HighAutoLevel /* High Profile Auto Level */ NS_AVAILABLE(10_9, 7_0);
一些移動(dòng)設(shè)備(手機(jī)楞泼、游戲機(jī)、PMP)由于性能有限笤闯,不支持全部高級(jí)視頻壓縮特性和高分辨率圖像堕阔,只支持基礎(chǔ)壓縮特性和分辨率低一些的圖像。
視頻碼率(bitRate)
碼率是指單位時(shí)間內(nèi)傳輸?shù)臄?shù)據(jù)位數(shù)颗味。視頻體積=視頻碼率*時(shí)間
超陆,由此可見固定長(zhǎng)度的視頻,碼率是決定大小的唯一因素浦马。視頻碼率決定著視頻的壓縮效果时呀,也決定了視頻是質(zhì)量张漂。碼率越高,質(zhì)量越好谨娜,體積越大航攒。碼率越低,體積越小趴梢,視頻質(zhì)量也越差漠畜。
編碼時(shí),根據(jù)碼率可以分為固定碼率(CBR)編碼和可變碼率(VBR)編碼垢油。
- 固定碼率:指編碼器輸出的碼率一直為一個(gè)固定值盆驹,這種編碼方式計(jì)算量小圆丹,編碼速度快滩愁,但是編碼效果不怎么好。對(duì)于畫面變化大的視頻片段辫封,由于碼率限制硝枉,導(dǎo)致視頻非常模糊,然而對(duì)于畫面變化小的片段倦微,卻會(huì)造成碼率浪費(fèi)妻味。
- 可變碼率:指編碼器的輸出碼率可以根據(jù)編碼器的輸入源信號(hào)的復(fù)雜度自適應(yīng)的調(diào)整,這種方式編碼效果比較好
碼率對(duì)應(yīng)于AVFoundation中AVVideoSettings.h
:
AVF_EXPORT NSString *const AVVideoAverageBitRateKey /* NSNumber (bits per second, H.264 only) */ NS_AVAILABLE(10_7, 4_0);
Reference
AV Foundation 開發(fā)秘籍
iOS音頻播放 (一):概述
H.264中profile和level
音頻的位元深度
奈奎斯特頻率