webrtc中视频采集实现分析(一) 采集及图像处理接口封装

视频采集是媒体库最基础功能。但是它的实现与操作系统有强相关性，因为不同的操作系统提供的视频采集接口不一样。视频采集模块也具有通用性，不同媒体库的视频采集模块实现的功能是相同的，主要包括如下几个功能：

1. 检索视频采集设备
2. 指定视频采集设备进行采集
3. 根据指定的采集参数(包括分辨率，帧率，图像格式)来初始化设备
4. 视频帧数据分发

所以如果要实现自己的媒体库，完全可以把webrtc中视频采集模块移植过来。尽管是复用代码，但也需要弄清楚代码的结构，了解它特点和局限性。

我将从来这三个方面：视频采集类，视频数据帧处理类，视频分发框架来分析webrtc视频采集的实现，这篇文章主要介绍前两个方面。

webrtc中视频采集类

webrtc中视频采集模块的代码位于video_capture目录下。建立了两个类体系来定义了视频采集的接口，分别是DeviceInfo和VideoCaptureModule。还有一个辅助类VideoCaptureFactory，是个工厂类，用来创建DeviceInfo和VideoCaptureModule具体的实现对象。

DeviceInfo

如下为对应的类图

DeviceInfo可以从接口的名字上看出，这个类提供就是检索视频采集设备及采集能力的接口

• DeviceInfo为抽象类，定义的都是接口

• DeviceInofImpl也为抽象类，实现了可以提炼出来的平台通用的接口

• DeviceInfoDs和DeviceInfoLinux分别对应的是windows和linux的视频采集实现了

• 采集设备有唯一标示，接口中对应为deviceUniqueIdUTF8

GetBestMatchedCapability

它有个GetBestMatchedCapability接口要着重的讲一下，它实现了如何决策视频采集参数，所谓的视频采集参数包括：分辨率，帧率，图像格式 ，分别决定了视频的清晰度，流畅度和保真度。

GetBestMatchedCapability中有个requested参数就表示上层业务指定的参数，但是指定的参数与设备的实际支持的参数可能匹配不了，最坏的情况是所有的都匹配不上。所以往往是找一个最接近而不是完全匹配的，比如:设置的参数是 640480 30fps，但是设备支持的有1080P(19201080 30fps)，720P(1080*720 30fps)，那么720P是比1080P更加适合。

GetBestMatchedCapability它选取最佳匹配的策略是：先保证分辨率，再保证帧率，再保图像格式。也就是说分辨率的优先级是最高的，如果采集设备有640*480的图像，但是只有15fps，则还是会选择该采集参数。

采集参数的选取至关重要，如果选择的帧率比较低，则图像看的就不流畅。图像格式YUV422比YUV420就更加保真。所以这种视频参数的匹配策略是根据场景需要来确定，可以优先匹配帧率，或优先匹配图像格式。

VideoCaptureModule

VideoCaptureModule类提供了视频采集的接口，如下类图

• VideoCaptureModule为抽象类，定义的都是接口
• VideoCaptureImpl也为抽象类，实现了可以提炼出来的平台通用的接口
• VideoCaptureDs是windows平台的实现，通过directshow实现。VideoCaptureModuleV4L2是linux平台的实现，通过V4L2实现。抛出视频帧的方式都是通过回调。

VideoCaptureModule中接口接口都定义的比较清晰易懂，可以直接看代码看看它们的具体实现。

VideoCaptureFactory

VideoCaptureFactory比较简单，提供 创建VideoCaptureModule和DeviceInfo接口

示例

通过 VideoCaptureModule，DeviceInfo，VideoCaptureFactory提供的接口可以很方便的实现视频采集，如下是个简单示例代码

webrtc::VideoCaptureModule::DeviceInfo* pDevideInfo = webrtc::VideoCaptureFactory::CreateDeviceInfo(); // 1
uint32_t number = pDevideInfo->NumberOfDevices();// 2
std::cout <<"video caputre number "<<number << std::endl;

char deviceName[128] = { 0 };
char deviceUniqueId[128] = { 0 };
pDevideInfo->GetDeviceName(0, deviceName, 128, deviceUniqueId, 128); // 3
std::cout << "device name: " << deviceName << ",device unique id: " << deviceUniqueId << std::endl;

webrtc::VideoCaptureCapability cap;
int32_t capNum = pDevideInfo->NumberOfCapabilities(deviceUniqueId); // 4
std::cout << "cap num " << capNum<<std::endl;

webrtc::VideoCaptureCapability requestCap; // 5
requestCap.width = 352;
requestCap.height = 288;
requestCap.maxFPS = 30;
requestCap.videoType = mediaengine::VideoType::kI420;

webrtc::VideoCaptureCapability bestCap; // 6
int32_t num = pDevideInfo->GetBestMatchedCapability(deviceUniqueId, requestCap, bestCap); // 7

std::cout << "best match num " << num<<std::endl;

//rtc::scoped_refptr<VideoCaptureModule> pVCM = webrtc::VideoCaptureFactory::Create(deviceUniqueId); // 8
//pVCM->StartCapture(bestCap);// 9

• 在代码1处创建了一个DeviceInfo对象，可以检索系统中所有可用的采集设备
• 在代码3处通过GetDeviceName()方法，获取第一个采集设备的deviceUniqueId，这是这个采集设备的唯一标识
• 在代码4处通过NumberOfCapabilities()方法，获取采集设备支持的能力(视频采集参数)
• 在代码5处定义了一个VideoCaptureCapability对象，表示业务需要的能力(视频采集参数)
• 在代码7处调用GetBestMatchedCapability()方法，获取最匹配的能力(视频采集参数)
• 在代码8和9，创建了一个VideoCaptureModule对象，然后调用StartCapture()方法，启动采集。这里的代码注释了，因为在启动采集之前，需要通过RegisterCaptureDataCallback方法往VideoCaptureModule对象中注册一个回调，用于处理视频帧数据

视频帧处理

采集到视频帧后，会将视频帧数据通过回调抛到业务层。业务层根据需要会对图像进行处理，包括：格式转换，分辨率缩放，图像旋转。

• 格式转换

在前面提到过视频采集参数，其中就包括图像格式。在决策最适合的视频采集参数时，采集的图像格式可能并不是需要的格式。典型地，编码器需要的图像格式是YUV420，如果采集的视频格式并不是YUV420，就涉及到图像格式的转换

• 分辨率缩放

在视频帧分发时，会涉及对分辨率的缩放。所谓的视频分发就是，采集的视频帧会有不同的用途，比如会用于编码，会用于回显等。

• 图像旋转

在移动端中，涉及到旋转图像，比如从竖屏变为横屏

在webrtc中这些图像处理都封装在图像格式代表的类中，它们都属于VideoFrameBuffer体系。表示一个视频帧数据(图像)，可以代表对应格式的视频帧。整个类体系如下

VideoFrameBuffer是个抽象类，在最末端的I420Buffer为具体实现类，还有NV12Buffer和I010Buffer也是VideoFrameBuffer的实例类。通过GetI420,Get010,GetNV12等接口可以获取代表具体图像格式的类。这里主要介绍I420Buffer类，因为它的使用范围最广。

I420Buffer

上面的类图只是罗列出了图像处理的几个接口，它还有几个用于构造的I420Buffer的静态方法，如下：

static rtc::scoped_refptr<I420Buffer> Create(int width, int height);
static rtc::scoped_refptr<I420Buffer> Create(int width,
                                               int height,
                                               int stride_y,
                                               int stride_u,
                                               int stride_v);

stride_y,stride_u,stride_v分别代表Y分量，U分量，V分量的步长。这两个方法的意义是相同的，因为通过width，height可以算出Y，U，V分量的步长。

下面几个方法是用于图像处理的方法

• CropAndScaleFrom

void CropAndScaleFrom(const I420BufferInterface& src,
                        int offset_x,
                        int offset_y,
                        int crop_width,
                        int crop_height);

从src上裁剪一部分区域，缩放至this的大小(width,height) ,I420BufferInterface代表的就是一个I420帧

• ScaleFrom

void ScaleFrom(const I420BufferInterface& src);

将src缩放至this的大小(width,height)

• PasteFrom

void PasteFrom(const I420BufferInterface& picture,
                 int offset_col,
                 int offset_row);

以this为画布，将picture贴在offset_col,offset_row处

• Rotate

static rtc::scoped_refptr<I420Buffer> Rotate(const I420BufferInterface& src,
                                               VideoRotation rotation);

将 src 旋转，产生一个新的I420Buffer

在媒体库中，最主要处理YUV420的图像，所以媒体库中复用I420Buffer就足够，没必要引入VideoFrameBuffer整个体系。