视频库LFLiveKit分析

以 LFLiveSession 为中心切分成3部分：

• 前面是音视频的数据采集
• 后面是音视频数据推送到服务器
• 中间是音视频数据的编码

数据采集分为视频和音频：

• 视频由相机和一系列的滤镜组成，最后输出到预览界面(preview)和 LFLiveSession
• 音频使用 AudioUnit 读取音频，输出到 LFLiveSession

编码部分：

• 视频提供软编码和硬编码，硬编码使用VideoToolBox。编码h264
• 音频提供AudioToolBox的硬编码,编码AAC

推送部分：

• 编码后的音视频按帧装入队列，循环推送
• 容器采用FLV，按照FLV的数据格式组装
• 使用librtmp库进行推送。

视频采集

视频采集部分内容比较多，可以分为几点：

• 相机
• 滤镜
• 链式图像处理方案
• opengl es

核心类，也是承担控制器角色的是 LFVideoCapture ,负责组装相机和滤镜，管理视频数据流。

1. 相机

相机的核心类是 GPUImageVideoCamera

，所以就是常规性的几步：

1. 构建 AVCaptureSession : _captureSession = [[AVCaptureSession alloc] init];
2. 配置输入和输出，输入是设备，一般就有前后摄像头的区别

NSArray *devices = [AVCaptureDevice devicesWithMediaType:AVMediaTypeVideo];
  for (AVCaptureDevice *device in devices) 
  {
  	if ([device position] == cameraPosition)
  	{
  		_inputCamera = device;
  	}
  }
  
  .....
  NSError *error = nil;
  videoInput = [[AVCaptureDeviceInput alloc] initWithDevice:_inputCamera error:&error];
  if ([_captureSession canAddInput:videoInput]) 
  {
  	[_captureSession addInput:videoInput];
  }
复制代码

3. 输出可以是文件也可以是数据，这里因为要推送到服务器，而且也为了后续的图像处理，显然要用数据输出。

videoOutput = [[AVCaptureVideoDataOutput alloc] init];
  [videoOutput setAlwaysDiscardsLateVideoFrames:NO];
  ......
  [videoOutput setSampleBufferDelegate:self queue:cameraProcessingQueue];
  if ([_captureSession canAddOutput:videoOutput])
  {
  	[_captureSession addOutput:videoOutput];
  }
复制代码

中间还一大段 captureAsYUV 为YES时执行的代码，有两种方式，一个是相机输出YUV格式，然后转成RGBA，还一种是直接输出BGRA，然后转成RGBA。前一种对应的是 kCVPixelFormatType_420YpCbCr8BiPlanarFullRange 或 kCVPixelFormatType_420YpCbCr8BiPlanarVideoRange ，后一种对应的是 kCVPixelFormatType_32BGRA ,相机数据输出格式只接受这3种。中间的这一段的目的就是设置相机输出YUV,然后再转成RGBA。OpenGL和滤镜的问题先略过。

这里有个问题：h264编码时用的是YUV格式的，这里输出RGB然后又转回YUV不是浪费吗？还有输出YUV，然后自己转成RGB,然后编码时再转成YUV不是傻？如果直接把输出的YUV转码推送会怎么样？考虑到滤镜的使用，滤镜方便处理YUV格式的图像吗？ 这些问题以后再深入研究，先看默认的流程里的处理原理。

配置完session以及输入输出，开启session后，数据从设备采集，然后调用dataOutput的委托方法： captureOutput:didOutputSampleBuffer:fromConnection

这里还有针对audio的处理，但音频不是在这采集的，这里的audio没启用，可以直接忽略先。

然后到方法 processVideoSampleBuffer: ，代码不少，干的就一件事：把相机输出的视频数据转到RGBA的格式的texture里。然后调用 updateTargetsForVideoCameraUsingCacheTextureAtWidth 这个方法把处理完的数据传递给下一个图像处理组件。

整体而言，相机就是收集设备的视频数据，然后倒入到图像处理链里。所以要搞清楚视频输出怎么传递到预览界面和 LFLiveSession 的，需要先搞清楚滤镜/图像处理链是怎么传递数据的。

2. 图像处理链

这里有两种处理组件： GPUImageOutput 和 GPUImageInput 。

GPUImageOutput 有一个target的概念的东西，在它处理完一个图像后，把图像传递给它的target。而 GPUImageInput 怎么接受从其他对象那传递过来的图像。通过这两个组件，就可以把一个图像从一个组件传递另一个组件，形成链条。有点像接水管？-_-

而且可以是交叉性的，如图：

有些滤镜是需要多个输入源，比如水印效果、蒙版效果，就可能出现D+E --->F的情况。这样的结构好处就是每个环节可以自由的处理自己的任务，而不需要管数据从哪来，要推到那里去。有数据它就处理，处理完就推到自己的tagets里去。

我比较好奇的是为什么 GPUImageOutput 定义成了类，而 GPUImageInput 却是协议，这也是值得思考的问题。

有了这两个组件的认识，再去到 LFVideoCapture 的 reloadFilter 方法。在这里，它把视频采集的处理链组装起来了，在这可以很清晰的看到图像数据的流动路线。

相机组件 GPUImageVideoCamera 继承于 GPUImageOutput ,它会把数据输出到它的target.

//< 480*640 比例为4:3  强制转换为16:9
if([self.configuration.avSessionPreset isEqualToString:AVCaptureSessionPreset640x480]){
        CGRect cropRect = self.configuration.landscape ? CGRectMake(0, 0.125, 1, 0.75) : CGRectMake(0.125, 0, 0.75, 1);
        self.cropfilter = [[GPUImageCropFilter alloc] initWithCropRegion:cropRect];
        [self.videoCamera addTarget:self.cropfilter];
        [self.cropfilter addTarget:self.filter];
    }else{
        [self.videoCamera addTarget:self.filter];
    }
复制代码

如果是640x480的分辨率，则路线是：videoCamera --> cropfilter --> filter,否则是videoCamera --> filter。

其他部分类似，就是条件判断是否加入某个组件，最后都会输出到： self.gpuImageView 和 self.output 。形成数据流大概：

self.gpuImageView 是视频预览图的内容视图,设置preview的代码：

- (void)setPreView:(UIView *)preView {
    if (self.gpuImageView.superview) [self.gpuImageView removeFromSuperview];
    [preView insertSubview:self.gpuImageView atIndex:0];
    self.gpuImageView.frame = CGRectMake(0, 0, preView.frame.size.width, preView.frame.size.height);
}
复制代码

有了这个就可以看到经过一系列处理的视频图像了，这个是给拍摄者自己看到。

self.output 本身没什么内容，只是作为最后一个节点，把内容往外界传递出去：

__weak typeof(self) _self = self;
    [self.output setFrameProcessingCompletionBlock:^(GPUImageOutput *output, CMTime time) {
       [_self processVideo:output];
    }];
    
    ......
    
    - (void)processVideo:(GPUImageOutput *)output {
    __weak typeof(self) _self = self;
    @autoreleasepool {
        GPUImageFramebuffer *imageFramebuffer = output.framebufferForOutput;
        CVPixelBufferRef pixelBuffer = [imageFramebuffer pixelBuffer];
        
        if (pixelBuffer && _self.delegate && [_self.delegate respondsToSelector:@selector(captureOutput:pixelBuffer:)]) {
            [_self.delegate captureOutput:_self pixelBuffer:pixelBuffer];
        }
    }
}
复制代码

self.delegate 就是 LFLiveSession 对象，视频数据就流到了session部分，进入编码阶段。

3. 滤镜和OpenGL

滤镜的实现部分，先看一个简单的例子： GPUImageCropFilter 。在上面也用到了，就是用来做裁剪的。

它继承于 GPUImageFilter ,而 GPUImageFilter 继承于 GPUImageOutput <GPUImageInput> ,它既是一个output也是input。

作为input，会接收处理的图像,看 GPUImageVideoCamera 的 updateTargetsForVideoCameraUsingCacheTextureAtWidth 方法可以知道，传递给input的方法有两个：

• setInputFramebuffer:atIndex : 这个是传递 GPUImageFramebuffer 对象
• newFrameReadyAtTime:atIndex: 这个才是开启下一环节的处理。

GPUImageFramebuffer 是LFLiveKit封装的数据，用来在图像处理组件之间传递，包含了图像的大小、纹理、纹理类型、采样格式等。在图像处理链里传递图像，肯定需要一个统一的类型，除了图像本身，肯定还需要关于图像的信息，这样每个组件可以按相同的标准对待图像。 GPUImageFramebuffer 就起的这个作用。

GPUImageFramebuffer 内部核心的东西是 GLuint framebuffer ,即OpenGL里的frameBufferObject(FBO).关于FBO我也不是很了解，只知道它像一个容器，可以挂载了render buffer、texture、depth buffer等，也就是原本渲染输出到屏幕的东西，可以输出到一个FBO，然后可以拿这个渲染的结果进行再一次的处理。

在这个项目里，就是在FBO上挂载纹理，一次图像处理就是经历一次OpenGL渲染，处理前的图像用纹理的形式传入OpenGL，经历渲染流程输出到FBO, 图像数据就输出到FBO绑定的纹理上了。这样做了一次处理后数据结构还是一样，即绑定texture的FBO，可以再作为输入源提供给下一个组件。

FBO的构建具体看 GPUImageFramebuffer 的方法 generateFramebuffer 。

说完 GPUImageFramebuffer ,再回到 newFrameReadyAtTime:atIndex 方法。

它里面就两个方法： renderToTextureWithVertices 这个是执行OpenGL ES的渲染操作， informTargetsAboutNewFrameAtTime 是通知它的target，把图像传递给下一环节处理。

上面的这些都是 GPUImageFilter 这个基类的，再回到 GPUImageCropFilter 这个裁剪功能的滤镜里。

它的贡献是根据裁剪区域的不同，提供了不同的 textureCoordinates ,这个是纹理坐标。它的init方法里使用的shader是 kGPUImageCropFragmentShaderString ，核心也就一句话： gl_FragColor = texture2D(inputImageTexture, textureCoordinate); ,使用纹理坐标采样纹理。所以对于输出结果而言， textureCoordinates 就是关键因素。

剪切和旋转效果都是通过修改纹理坐标的方式来达到的，vertext shader和fragment shader很简单，就是绘制一个矩形，然后使用纹理贴图

4. 纹理坐标的计算

我本以为剪切效果很简单，但是摸索到纹理坐标后发现是个巨坑，不是一两句解释的清，必须画图 -_-

顶点数据是：

static const GLfloat cropSquareVertices[] = {
        -1.0f, -1.0f,  
        1.0f, -1.0f,
        -1.0f,  1.0f,
        1.0f,  1.0f,
    };
复制代码

只有4个顶点，因为绘制矩形时使用的是 GL_TRIANGLE_STRIP 图元, 关于这个图元规则看这里 。

OpenGL的坐标是y向上，x向右，配合顶点数据可知4个角的索引是这个样子的：

纹理坐标跟OpenGL坐标方向是一样的的：

但是图像坐标却是跟它们反的，一个图片的数据是从左上角开始显示的，跟UI的坐标是一样的。也就是，读取一张图片作为texture后，纹理坐标（0， 0）读到的数据时图片左下角的。之前我搞晕了是：认为纹理坐标和OpenGL坐标是颠倒的，而没有意识到纹理和图像的区别。当用图片和用纹理做输入源时就有区别了。

有了3种坐标的认识，分析剪切效果的纹理坐标前还要先看下preview( GPUImageView )的纹理坐标逻辑， 因为你眼睛看到的是preview的处理结果，它并不等于corpFiter的结果 ，不搞清它可能就被欺骗了。

• 蓝色的是图像/UI的坐标方向，橙色的是texture的坐标方向，绿色的是OpenGL的坐标方向。

• 相机后置摄像头默认输出 landScapeRight 方向的视频数据，这是麻烦的起源，虽然现在可以通过 AVCaptureConnection 的 videoOrientation 属性修改了。图里就是以这种情景为例子分析。

• landScapeRight 就是逆时针旋转了，底边转到了右边。所以就有了图2。

• 然后图像和texture是上下颠倒的，所以有了图3。

• 然后分析3种处理情况，左转、右转和不旋转，就有了图4、5、6。

• 有个关键点是：preview是按上下颠倒的方式显示它接收的texture,因为：

  • 视频采集结束后把数据输出给外界还是得通过图像的格式，这样其他播放器就可以不依赖于你的格式逻辑，都按照图像来处理。
  • 希望传递给外界的图像是正确的，那么图像处理链结束输出的texture格式就是颠倒的。因为图像和texture坐标是上下颠倒的。
  • preview它作为处理链输出接受者之一，接受的texture也就是颠倒的。这就造成了preview的纹理坐标是上下颠倒取的，这样显示出来才是对的。
  • 所以在没有旋转的时候，preview的纹理坐标是：

    static const GLfloat noRotationTextureCoordinates[] = {
        0.0f, 1.0f,    
        1.0f, 1.0f,
        0.0f, 0.0f,
        1.0f, 0.0f,
    };
    复制代码

    结合顶点坐标数据，第1个顶点为（-1，-1）在左下角，纹理坐标是（0，1），在左上角。第3个顶点(-1, 1)在左上角，纹理坐标（0, 0）,在左下角。

• 所以对于上图里的情景，正确显示应该取向右旋转的操作，即图5。这样显示出来，上下颠倒正好是图1。

• 所以如果不旋转，而是直接显示相机输出的图像，也就是接受图3的纹理，显示出来的样式就是图2。修改 GPUImageVideoCamera 的 updateOrientationSendToTargets 方法，让 outputRotation 为 kGPUImageNoRotation ，就可以看到视频是旋转了90度的。当然事实是，我是眼睛看到了这个结果，再反推了里面的这些逻辑的。

以纹理/图像的角度看流程是这样：

蓝色是图像，红色是纹理。

就因为上面的原因，你眼睛看到的和纹理本身是上下相反的。直接显示相机输出的时候是 landscapeRight ,要想变竖直，看起来应该是向左转。但这个是图像显示左转，那么就是纹理坐标按右转的取。 说了那么多，坑在这里，图像的左转效果需要纹理的右转效果来实现 。

switch(_outputImageOrientation)
{
    case UIInterfaceOrientationPortrait:outputRotation = kGPUImageRotateRight; break;
    case UIInterfaceOrientationPortraitUpsideDown:outputRotation = kGPUImageRotateLeft; break;
    ......
}
复制代码

cropFilter的纹理坐标计算

在回到剪切效果，虚线是剪切的位置：

计算使用的数据：

CGFloat minX = _cropRegion.origin.x;
    CGFloat minY = _cropRegion.origin.y;
    CGFloat maxX = CGRectGetMaxX(_cropRegion);
    CGFloat maxY = CGRectGetMaxY(_cropRegion);
复制代码

就是剪切区域的上下左右边界，看剪切+右转的情形。图6是最终期望的结果，但剪切是图像处理之一，它的输出是texture,所以它的输出是图3。第1个顶点，也就是左下角(-1, -1)，对应的内容位置是1附近的虚线框顶点，1在输入的texture里是左上角，纹理坐标的x是距离边1-2的距离，纹理坐标y是距离距离边2-3的距离。

minX、minY这些数据是在哪个图的？图6。因为我们传入的数据是根据自己眼睛看到的样子来的，这个才是最终人需要的结果：

• minX是虚线框边1-4距离外框边1-4的距离
• minY是虚线框边1-2距离外框边1-2的距离
• maxX是虚线框边2-3距离外框边1-4的距离
• maxY是虚线框边4-3距离外框边1-2的距离

所以左下角的纹理坐标应该是（minY, 1-minX)。