mpv/DOCS/tech/tech-hun.txt

290 lines
14 KiB
Plaintext

Nos, akkor leirom, hogyan is működik ez az egész.
A fő modulok:
1. streamer.c: ez az input layer, azaz ez olvassa a filet, VCD-t vagy stdin-t.
amit tudnia kell: megfelelő sectoronkenti bufferelés, seek, skip funkciók,
byte-onkénti ill. tetszőleges méretű blockonkénti olvasás.
Egy stream (input device/file) leírására a stream_t struktura szolgál.
2. demuxer.c: ez végzi az input szétszedését audio és video csatornákra,
és a kiválasztott csatornák bufferelt package-enkénti olvasását.
A demuxer.c inkább csak egy framework, ami közös minden input
formátumra, és az egyes formátumokhoz (mpeg-es,mpeg-ps, avi, avi-ni, asf)
külön parser van, ezek a demux_*.c fileokban vannak.
A hozza tartozo struktura a demuxer_t. osszesen egy demuxer van.
2.a. demux_packet_t, azaz dp.
ez egy darab chunk-ot (avi) vagy packet-et (asf,mpg) tartalmaz.
memoriaban ezek lancolt listaban vannak, mivel kulonbozo meretuek.
2.b. demuxer stream, azaz ds.
struct: demux_stream_t
minden egyes csatornahoz (a/v) tartozik egy ilyen.
ez tartalmazza a stream-hez tartozo packeteket (lasd. 2.a.)
egyelore demuxer-enkent 3 ilyen lehet:
- hang (d_audio)
- kep (d_video)
- DVD felirat (d_dvdsub)
2.c. stream header. 2 fele van (egyelore): sh_audio_t es sh_video_t
ez tartalmaz minden, a dekodolashoz szukseges parametert, igy az input
es output buffereket, kivalasztott codecet, fps/framerate stb adatokat.
Annyi van belole, ahany stream van a fileban tarolva. Lesz minimum egy
a videohoz, ha van hang akkor ahhoz is, de ha tobb audio/video stream
is van, akkor mindegyikhez lesz egy ilyen struct.
Ezeket avi/asf eseten a header alapjan tolti fel a header beolvaso,
mpeg eseten pedig a demux_mpg.c fogja letrehozni ha egy uj streamet
talal. Uj stream eseten ====> Found audio/video stream: <id> jelenik meg.
A kivalasztott stream header es a hozza tartozo demuxer stream kolcsonosen
hivatkoznak egymasra (ds->sh es sh->ds) az egyszerubb hasznalat miatt.
(igy a funkciotol fuggoen eleg vagy csak a ds vagy csak az sh atadasa)
Pelda: van egy .asf fileunk, abban 6 db stream, ebbol 1 audio es 5 video.
A header beolvasasakor letre fog jonni 6 db sh struct, 1 audio es 5 video.
Amikor elkezdi olvasni a packeteket, az elso talalt audio es video
packethez tartozo streamet
kivalasztja, es ezekre allitja be a d_audio es d_video sh pointereit.
Igy kesobbiekben mar csak ezeket a streameket olvassa, a tobbit nem.
Persze ha az user masik streameket szeretne kivalasztani, akkor
force-olhatja a -aid es -vid kapcsolokkal.
Jo pelda erre a DVD, ahol nem mindig az angol szinkron hang az elso
megtalalt stream, es igy random minden vob mas nyelven szolalhat meg :)
Ilyenkor kell pl. az -aid 128 kaocsolot hasznalni.
hogy is muxik ez a beolvasosdi?
- meghivodik a demuxer.c/demux_read_data(), megkapja melyik ds-bol
(audio vagy video), mennyi byteot es hova (memoriacim) szeretnenk
beolvasni. ezt hivogatjak gyakorlatilag a codec-ek.
- ez megnezi,hogy az adott ds bufferében van-e valami, ha igen akkor
onnan olvas amennyit kell. ha nincs/nincs eleg, akkor meghivja
a ds_fill_buffer()-t ami:
- megnezi hogy az adott ds-ben vannak-e bufferelve csomagok (dp-k)
ha igen, akkor a legregebbit atrakja a bufferbe es olvas tovabb.
ha ures a lancolt lista, akkor meghivja a demux_fill_buffer()-t:
- ez az input formatumnak megfelelo parser-t meghivja ami olvassa
tovabb a filet, es a talalt csomagokat rakja be a megfelelo bufferbe.
na ha mondjuk audio csomagot szeretnenk, de csak egy rakat video csomag
van, akkor jon elobb-utobb a DEMUXER: Too many (%d in %d bytes) audio
packets in the buffer... hibauzenet.
Eddig kb tiszta ugy, ezt akarom majd atrakni kulon lib-be.
na nezzuk tovabb:
3. mplayer.c - igen, o a fonok :)
az idozites eleg erdekesen van megoldva, foleg azert mert minden
fileformatumnal maskepp kell/celszeru, es neha tobbfele keppen is lehet.
van egy a_frame es egy v_frame nevu float valtozo, ez tarolja az epp
lathato/hallhato a/v poziciojat masodpercben.
A lejatszo ciklus felepitese:
while(not EOF) {
fill audio buffer (read & decode audio) + increase a_frame
read & decode a single video frame + increase v_frame
sleep (wait until a_frame>=v_frame)
display the frame
apply A-V PTS correction to a_frame
check for keys -> pause,seek,...
}
amikor lejatszik (hang/kep) akkor a lejatszott valami idotartamaval
noveli a megfelelo valtozot:
- audional ez a lejatszott byteok / sh_audio->o_bps
megj: i_bps = tomoritett byteok szama egy masodpercnyi hanghoz
o_bps = tomoritetlen byteok szama egy masodpercnyi hanghoz
(ez utobbi == bps*samplerate*channels)
- videonal ez altalaban az sh_video->frametime.
Ez altalaban == 1.0/fps, persze meg kell jegyeznem hogy videonal nem
igazan szamit az fps, asf-nel pl. nincs is olyan, ahelyett duration
van es framenkent valtozhat.
mpeg2-nel pedig repeat_count van ami 1-2.5 idotartamban elnyujtja
a framet... avi-nal van talan egyedul fix fps, meg mpeg1-nel.
Na most ez addig nagyon szepen mukodik, amig a hang es kep tokeletes
szinkronban van, mivel igy vegulis a hang szol, az adja az idozitest,
es amikor eltelt egy framenyi ido akkor kirakja a kovetkezo framet.
de mi van ha valamiert az input fileban csuszik a ketto?
Akkor jon be a PTS correction. az input demuxer-ek olvassak a csomagokkal
egyutt a hozzajuk tartozo PTS-t (presentation timestamp) is, ami alapjan
eszreveheto ha el van csuszva a ketto. ilyenkor egy megadott maximalis
hataron (lasd -mc opcio) belul kepes az mplayer korrigalni az a_frame
erteket. a korrekciok osszege van a c_total-ban.
persze ez meg nem minden szinkron ugyben, van meg nemi gaz.
pl. az hogy a hangkartya eleg rendesen kesleltet, ezt az mplayernek
korrigalnia kell! Az osszes audio kesleltetes masodpercben ezek osszege:
- az utolso timestamp (PTS) ota beolvasott byteok:
t1 = d_audio->pts_bytes/sh_audio->i_bps
- Win32/ACM eseten az audio input bufferben tarolt byteok:
t2 = a_in_buffer_len/sh_audio->i_bps
- az audio out bufferben tarolt tomoritetlen byteok:
t3 = a_buffer_len/sh_audio->o_bps
- a hangkartya buffereben (vagy DMA bufferben) tarolt, meg nem
lejatszott byteok:
t4 = get_audio_delay()/sh_audio->o_bps
Ezekbol kiszamolhato egeszen pontosan, hogy az epp hallhato hanghoz
milyen PTS tartozik, majd ezt osszevetve a video-hoz tartozo PTS-el
meg is kapjuk az A-V eltereset!
avi-nal sem egyszeru az elet. ott a 'hivatalos' idozitesi mod a
BPS-alapu, azaz a headerben le van tarolva hany tomoritett audio
byte tartozik egy masodpercnyi (fps darab) kephez.
ez persze nem mindig mukodik... miert is mukodne :)
ezert en megcsinaltam hogy az mpeg-nel hasznalatos sectoronkenti
PTS erteket emulalom avi-ra is, azaz az AVI parser minden beolvasott
chunk-nal szamol egy kamu PTS-t a framek tipusa alapjan. es ez
alapjan idozitek. es van amikor ez mukodik jobban.
persze itt meg bejatszik az is, hogy AVI-nal altalaban elore letarolnak
egy nagyobb adag hangot, es csak utana kezdodik a kep. ezt persze
bele kell szamolni a kesleltetesbe, ez az Initial PTS delay.
ilyen persze 2 is van, az egyik a headerben le is van irva, es
nem nagyon hasznlajak :) a masik sehol nincs leirva de hasznaljak, ezt
csak merni lehet...
3.a. audio playback:
par szo az audio lejatszasrol:
az egeszben nem maga a lejatszas a nehez, hanem:
1. hogy tudjuk mikor lehet irni a bufferbe, blocking nelkul
2. hogy tudjuk, mennyit jatszott mar le abbol amit a bufferbe irtunk
Az 1. az audio dekodolashoz kell, valamint hogy a buffert mindig teli
allapotban tudjuk tartani (igy sose fog megakadni a hang).
A 2. pedig a korrekt idoziteshez szukseges, ugyanis nemely hangkartya
akar 3-7 masodpercet is kesleltet, ami azert nem elhanyagolhato!
Ezek megvalositasara az OSS tobbfele lehetoseget is kinal:
- ioctl(SNDCTL_DSP_GETODELAY): megmondja hany lejatszatlan byte
varakozik a hangkartya bufferjeben -> idoziteshez kivallo,
de nem minden driver tamogatja :(
- ioctl(SNDCTL_DSP_GETOSPACE): megmondja mennyit irhatunk a kartya
bufferebe blocking nelkul. ha a driver nem tudja a GETODELAY-t,
akkor ezt hasznalhatjuk arra is, hogy megtudjuk a kesleltetest.
- select(): meg kene mondja, hogy irhatunk-e a kartya bufferebe
blocking nelkul. azt, hogy emnnyit irhatunk, nem mondja meg :(
valamint sok driverrel egyaltalan nem, vagy rosszul mukodik :((
csak akkor hasznalom, ha egyik fenti ioctl() sem mukodik.
4. codecek. ezek kulonbozo lib-ek szanaszet mindenfelol.
mint pl. libac3, libmpeg2, xa/*, alaw.c, opendivx/*, loader, mp3lib.
az mplayer.c hivogatja oket amikor egy egy darab hangot vagy framet
kell lejatszani (lasd 3. pont elejen).
ezek pedig hivjak a megfelelo demuxert hogy megkapjak a tomoritett
adatokat (lasd 2. pont).
parameterkent a megfelelo stream headert (sh_audio/sh_video) kell
atadni, ez elvileg tartalmaz minden infot ami szukseges a
dekodolashoz (tobbek kozott a demuxert is: sh->ds).
A codecek szeparalasa folyamatban van, az audio mar el van kulonitve
(lasd. dec_audio.c), a videon meg dolgozunk. Cel, hogy ne az mplayer.c
kelljen tudja milyen codecek vannak es hogy kell oket hasznalni, hanem
egy kozos init/decode audio/video functiont kelljen csak meghivnia.
5. libvo: ez vegzi a kep kirakasat.
Az img_format.h-ban definialva vannak konstansok a kulonbozo pixel-
formatumokhoz, ezeket kotelezo hasznalni.
1-1 vo driver a kovetkezoket kell kotelezoen implementalja:
query_format() - lekerdezi hogy egy adott pixelformat tamogatott-e.
return value: flags:
0x1 - supported (by hardware or with conversion)
0x2 - supported (by hardware, without conversion)
0x4 - sub/osd supported (has draw_alpha)
FONTOS: minden vo driver kotelezo tamogassa az YV12 formatumot, es
egyiket (vagy mindkettot) a BGR15 es BGR24 kozul, ha kell, konvertalassal.
Ha ezeket nem tamogatja, akkor nem fog minden codec-kel mukodni!
Ennek az az oka, hogy az mpeg codecek csak YV12-t tudnak eloallitani,
a regebbi Win32 DLL codecek pedig csak 15 es 24bpp-t tudnak.
Van egy gyors MMX-es 15->16bpp konvertalo, igy az nem okoz kulonosebb
sebessegcsokkenest!
A BPP tablazat, ha a driver nem tud bpp-t valtani:
jelenlegi bpp: ezeket kell elfogadni:
15 15
16 15,16
24 24
24,32 24,32
Ha tud bpp-t valtani (pl. DGA 2, fbdev, svgalib) akkor ha lehet, be kell
valtani a kert bpp-re. Ha azt a hardver nem tamogatja, akkor a legkozelebbi
modra (15 eseten 16-ra, 24 eseten 32-re) kell valtani es konvertalni!
init() - ez hivodik meg a legelso frame kirakasa elott - bufferek foglalasa
stb a celja.
van egy flags parameter is (regen fullscreen volt a neve):
0x01 - fullscreen (-fs)
0x02 - vidmode switch (-vm)
0x04 - scaling enabled (-zoom)
0x08 - flip image (upside-down)
draw_slice(): ez planar YV12 kepet rak ki (3 db plane, egy teljes
meretu ami a fenyerot (Y) tartalmazza, es 2 negyedakkora, ami a
szin (U,V) infot). ezt hasznaljak az mpeg codecek (libmpeg2,opendivx).
ez mar tud olyat hogy nem az egesz kep kirakasa, hanem csak kis
reszletek updatelese: ilyenkor a sarkanak es a darabka meretenek
megadasaval lehet csinalni.
draw_frame(): ez a regebbi interface, ez csak komplett framet rak ki,
es csak packed formatumot (YUY2 stb, RGB/BGR) tud.
ezt hasznaljak a win32 codecek (divx,indeo stb).
draw_alpha(): ez rakja ki a subtitle-t es az OSD-t.
hasznalata kicsit cseles, mivel ez nem a libvo API resze, hanem egy
callback jellegu cucc. a flip_page() kell meghivja a vo_draw_text()-et
ugy, hogy parameterkent atadja a kepernyo mereteit es a pixelformatumnak
megfelelo draw_alpha() implementaciot (function pointer).
Ezutan a vo_draw_text() vegigmegy a kirajzolando karaktereken, es egyenkent
meghivja minden karakterre a draw_alpha()-t.
Segitseg keppen az osd.c-ben meg van irva a draw_alpha mindenfele
pixelformatumhoz, ha lehet ezt hasznald!
flip_page(): ez meghivodik minden frame utan, ez kell tenylegesen
megjelenitse a buffert. double buffering eseten ez lesz a 'swapbuffers'.
6. libao2: ez vezerli a hang lejatszast
A libvo-hoz (lasd 5.) hasonloan itt is kulonbozo driverek vannak, amik
egy kozos API-t (interface) valositanak meg:
static int control(int cmd,int arg);
Ez egy altalanos celu fuggveny, a driverfuggo es egyeb specialis parameterek
olvasasara/beallitasara. Egyelore nem nagyon hasznalt.
static int init(int rate,int channels,int format,int flags);
Driver initje, ilyenkor kell megnyitni a devicet, beallitani samplerate,
channels, sample format parametereket.
Sample format: altalaban AFMT_S16_LE vagy AFMT_U8, tovabbi definiciokert
lasd. dec_audio.c ill. linux/soundcard.h fileok!
static void uninit();
talald ki.
na jo, segitek: lezarja a devicet, kilepeskor (meg nem) hivodik meg.
static void reset();
reseteli a devicet. egesz pontosan a bufferek torlesere szolgal,
tehat hogy a reset() utan mar ne szoljon tovabb az amit elotte kapott.
(pause ill. seek eseten hivodik meg)
static int get_space();
vissza kell adja hogy hany byte irhato az audio bufferbe anelkul hogy
blockolna (varakoztatna a hivo processt). amennyiben a buffer (majdnem)
tele van, 0-t kell visszaadni!
ha sosem ad vissza 0-at akkor nem fog mukodni az MPlayer!
static int play(void* data,int len,int flags);
lejatszik egy adag hangot, amit a data cimu memoriateruleten kap, es len
a merete. a flags meg nem hasznalt. az adatokat at kell masolnia, mert a
hivas utan felulirodhatnak! nem kell feltetlen minden byetot felhasznalni,
hanem azt kell visszaadnia mennyit hasznalt fel (masolt a bufferbe).
static int get_delay();
vissza kell adja hogy hany byte varakozik az audio bufferben. lehetoleg
minel pontosabban, mert ettol fugg az egesz idozites!
legrosszabb esetben adja vissza a buffer meretet.
!!! Mivel a kep a hanghoz (hangkartyahoz) van szinkronizalva, igy nagyon
!!! fontos hogy a get_space ill. get_delay fuggvenyek korrektul legyenek megirva!