音视频录制基础原理概念

将学习到的内容和自己的理解整理如下。

初次接触音视频领域时的小伙伴，可能大多数都像我一样并不太了解整体的流程。音视频领域细分的话，还可以分出很多分支，例如：嵌入式设备中的运用（例如设备有摄像头和麦克风，需要进行录制视频和音频）、客户端程序的研发中的运用（例如：QQ的1V1通话和视频，QQ群的nVn通话和视频，还有共享屏幕等，还有某音，某手，某宝中的直播功能），还有软件的截图、屏幕的录制，麦克风的录制等等，都渗透着音视频领域相关的技术。

我现在的公司正在做的项目大概是这样子的：

设备支持的音频：内置和外置麦克风，也支持SDI和HDMI中内嵌的音频，还支持静音。

设备支持的视频源：有HDMI接口、SDI接口、VGA、CVBS等接口，这些接口可以连接摄像头、或者一些其他视频源（像小米盒子，像电脑主机的HDMI输出接口等）。

功能就是可以对这些视频源和音频源进行录制，而且还支持画中画等功能。

1、录制视频

无论你是需要录制音频还是视频，都需要源（音频源和视频源），我们的视频源就是摄像头。

step0：准备摄像头；

包括

step1：从摄像头采集视频数据；（图像帧）

这个地方设计的知识点和技术还是挺多的，例如：采集的原始数据格式是什么类型的，是YUV还是RGB，YUV和RGB细分的话还包括YUV 4:4:4、YUV 4:2:2、YUV 4:2:0等，RGB细分的话还包括RGB565、RGB555、RGB24、RGB32、ARGB32等格式。

1帧可以看作为1张图；

那么1秒可以采集多少帧（即1秒采集多少张图），就会设计到帧率

step2：图像处理阶段；

我们采集完数据之后，就可以对采集到的数据进行处理了。

例如：曝光、色度、温和度、色差等等。都可以在这个阶段做。

step3：暂存到图像帧队列；

处理后的图像帧，会暂存放到图像帧队列中，等待视频编码器来对数据进行编码；

为什么要先存放到图像队列中呢？

因为我们设备（指：计算机、开发版等）并没有这么强的处理能力，如果一拥而上的话，也就凉凉了，所以先存放着，视频编码阶段边处理边拿数据。

小编整理了一些学习资料、教学视频和学习路线图共享在群文件，资料包括《Andoird音视频开发必备手册+音视频最新学习视频+大厂面试真题+2022最新学习路线图+项目实战源码》等等（C/C++，Linux，FFmpeg ,webRTC, rtmp, hls, rtsp, ffplay, srs），免费分享，有需要的可以搜索788280672加群自取~希望对大家有帮助！

step4：视频编码阶段；

如果图像帧队列中有数据的话，视频编码器就会进行处理。

如果不做编码的话，视频的体积是非常大的，而此阶段的技术也是非常多的，还可以称之为压缩。

例如常见的：H.264,H.265等压缩技术，也常叫视频编码算法。

我做过一个测试，将一段3 分钟 46 秒的1920*1080的视频的每一帧都转换成图片。

可以看到视频使用的是H.264编码的，如果将这个视频的每一帧转换成图片的话，会转换成6788张图片。

也可以简单计算一下：

1、一共3分46秒；

2、每秒30帧；

3分46秒等于226秒；

226秒*30帧=6780帧。

如果按照每张图1M的话，就将近7个G，而且也不可能每个图都是1M，图片的大小比较还是根据色彩的鲜艳程度来决定的。

可以看到，我这个就12GB；

可想而之，一个4分钟的视频就12个G。

如果不压缩的话你存几个片到你电脑里，你能存几个？

所以此阶段主要就是对视频帧进行压缩。

然后把压缩的数据放入到视频包队列中。

step5：将压缩完的数据，暂存到视频包队列；

step6：复用器进行音视频封装（例如：封装成mp4等）；

step7：写入到文件。

2、录制音频

整个步骤和采集视频的步骤差不多。

从麦克风中或者其他设备中采集到的音频数据我们常称之为PCM数据。

3、音视频同步

音视频同步是比较困难的。

我们可以在采集数据的时候，给每一帧都加上时间戳。等复用器在封装音视频的时候，就可以按时间来处理了，这样就可以对音视频数据保证同步了。