android camera采集、H264编码与Rtmp推流
MediaPlus是基于FFmpeg从零开发的android多媒体组件，主要包括：采集，编码，同步，推流，滤镜及直播及短视频比较通用的功能等，后续功能的新增都会有相应文档更新，感谢关注。
- android相机的视频采集格式比较多 ，如：NV21,NV12,YV12等。他们之间的区别就是U,V排列顺序不一致，具体YUV相关内容可以看看其他详细的文档，如：[ 总结]FFMPEG视音频编解码零基础学习方法 。
需要了解的就是：YUV采样，数据分布及空间大小计算。 YUV采样：
YUV420P YUV排序如下图：
NV12,NV21,YV12,I420都属于YUV420,但是YUV420 又分为YUV420P，YUV420SP，P与SP区别就是，前者YUV420P UV顺序存储，而YUV420SP则是UV交错存储，这是最大的区别，具体的yuv排序就是这样的： I420: YYYYYYYY UU VV ->YUV420P YV12: YYYYYYYY VV UU ->YUV420P NV12: YYYYYYYY UVUV ->YUV420SP NV21: YYYYYYYY VUVU ->YUV420SP
那么H264编码，为什么需要把android 相机采集的NV21数据转换成YUV420P? 刚开始对这些颜色格式也很模糊，后来找到了真理:因为H264编码必须要用 I420, 所以这里必须要处理色彩格式转换。 MediaPlus采集视频数据为NV21格式,以下描述如何获取android camera采集的每一帧数据，并处理色彩格式转换，代码如下:
- 获取相机采集数据：
mCamera = Camera.open(Camera.CameraInfo.CAMERA_FACING_BACK);
mParams = mCamera.getParameters();
setCameraDisplayOrientation(this, Camera.CameraInfo.CAMERA_FACING_BACK, mCamera);
mParams.setPreviewSize(SRC_FRAME_WIDTH, SRC_FRAME_HEIGHT);
mParams.setPreviewFormat(ImageFormat.NV21); //preview format：NV21
mParams.setFocusMode(Camera.Parameters.FOCUS_MODE_CONTINUOUS_VIDEO);
m_camera.setDisplayOrientation(90);
mCamera.setParameters(mParams); // setting camera parameters
m_camera.addCallbackBuffer(m_nv21);
m_camera.setPreviewCallbackWithBuffer(this);
m_camera.startPreview();
@Override
public void onPreviewFrame(byte[] data, Camera camera) {
// TODO Auto-generated method stub
//data这里就是获取到的NV21数据
m_camera.addCallbackBuffer(m_nv21);//这里要添加一次缓冲，否则onPreviewFrame可能不会再被回调
}因为NV21数据的所需空间大小(字节)＝宽 x 高 x 3 / 2 (y=WxH,u=WxH/4,v=WxH/4)；所以我们需要建立一个byte数组，作为采集视频数据的缓冲区. MediaPlus>>app.mobile.nativeapp.com.libmedia.core.streamer.RtmpPushStreamer 类主要采集音视频数据，并交由底层处理；有两个线程分别用于处理音视频，AudioThread 、VideoThread.
- 首先看下VideoThread
/**
* 视频采集线程
class VideoThread extends Thread {
public volatile boolean m_bExit = false;
byte[] m_nv21Data = new byte[mVideoSizeConfig.srcFrameWidth
* mVideoSizeConfig.srcFrameHeight * 3 / 2];
byte[] m_I420Data = new byte[mVideoSizeConfig.srcFrameWidth
* mVideoSizeConfig.srcFrameHeight * 3 / 2];
byte[] m_RotateData = new byte[mVideoSizeConfig.srcFrameWidth
* mVideoSizeConfig.srcFrameHeight * 3 / 2];
byte[] m_MirrorData = new byte[mVideoSizeConfig.srcFrameWidth
* mVideoSizeConfig.srcFrameHeight * 3 / 2];
@Override
public void run() {
// TODO Auto-generated method stub
super.run();
VideoCaptureInterface.GetFrameDataReturn ret;
while (!m_bExit) {
try {
Thread.sleep(1, 10);
if (m_bExit) {
break;
} catch (InterruptedException e) {
e.printStackTrace();
ret = mVideoCapture.GetFrameData(m_nv21Data,
m_nv21Data.length);
if (ret == VideoCaptureInterface.GetFrameDataReturn.RET_SUCCESS) {
frameCount++;
LibJniVideoProcess.NV21TOI420(mVideoSizeConfig.srcFrameWidth, mVideoSizeConfig.srcFrameHeight, m_nv21Data, m_I420Data);
if (curCameraType == VideoCaptureInterface.CameraDeviceType.CAMERA_FACING_FRONT) {
LibJniVideoProcess.MirrorI420(mVideoSizeConfig.srcFrameWidth, mVideoSizeConfig.srcFrameHeight, m_I420Data, m_MirrorData);
LibJniVideoProcess.RotateI420(mVideoSizeConfig.srcFrameWidth, mVideoSizeConfig.srcFrameHeight, m_MirrorData, m_RotateData, 90);
} else if (curCameraType == VideoCaptureInterface.CameraDeviceType.CAMERA_FACING_BACK) {
LibJniVideoProcess.RotateI420(mVideoSizeConfig.srcFrameWidth, mVideoSizeConfig.srcFrameHeight, m_I420Data, m_RotateData, 90);
encodeVideo(m_RotateData, m_RotateData.length);
public void stopThread() {
m_bExit = true;
}为什么要旋转？ 实际上android camera采集的时候，不管手机是纵向还是横向，视频都是横向进行采集，这样当手机纵向的时候，就会有角度差异；前置需要旋转270°，后置旋转90°，这样就能保证采集到的图像和手机方向是一致的。
处理镜像的原因是因为前置相机采集的图像默认就是镜像的，再做一次镜像，将图像还原回去。 MediaPlus中，使用libyuv来处理转换、旋转、镜像等。 MediaPlus>>app.mobile.nativeapp.com.libmedia.core.jni.LibJniVideoProcess 提供应用层接口
package app.mobile.nativeapp.com.libmedia.core.jni;
import app.mobile.nativeapp.com.libmedia.core.config.MediaNativeInit;
* 色彩空间处理
* Created by android on 11/16/17.
public class LibJniVideoProcess {
static {
MediaNativeInit.InitMedia();
* NV21转换I420
* @param in_width 输入宽度
* @param in_height 输入高度
* @param srcData 源数据
* @param dstData 目标数据
* @return
public static native int NV21TOI420(int in_width, int in_height,
byte[] srcData,
byte[] dstData);
* 镜像I420
* @param in_width 输入宽度
* @param in_height 输入高度
* @param srcData 源数据
* @param dstData 目标数据
* @return
public static native int MirrorI420(int in_width, int in_height,
byte[] srcData,
byte[] dstData);
* 指定角度旋转I420
* @param in_width 输入宽度
* @param in_height 输入高度
* @param srcData 源数据
* @param dstData 目标数据
public static native int RotateI420(int in_width, int in_height,
byte[] srcData,
byte[] dstData, int rotationValue);
}libmedia/src/cpp/jni/jni_Video_Process.cpp 图像处理JNI层，libyuv比较强大，包括了所有YUV的转换等其他处理，简单描述下函数参数，如：
LIBYUV_API
int NV21ToI420(const uint8* src_y, int src_stride_y,
const uint8* src_vu, int src_stride_vu,
uint8* dst_y, int dst_stride_y,
uint8* dst_u, int dst_stride_u,
uint8* dst_v, int dst_stride_v,
int width, int height);
- src_y :y分量存储空间
- src_stride_y :y分量宽度数据长度
- src_vu:uv分量存储空间
- src_stride_uv:uv分量宽度数据长度
- dst_y :目标y分量存储空间
- dst_u :目标u分量存储空间
- dst_v :目标v分量存储空间
- dst_stride_y:目标y分量宽度数据长度
- dst_stride_u:目标v分量宽度数据长度
- dst_stride_v:目标u分量宽度数据长度
- width: 视频宽
- height:视频高
- 假设，一个8(宽)x6(高)的图像,函数参数如下：
int width=8;
int height=6;
//源数据存储空间
uint8_t *srcNV21Data;
//目标存储空间
uint8_t *dstI420Data;
src_y=srcNV21Data;
src_uv=srcNV21Data + (widthxheight);
src_stride_y=width;
src_stride_uv=width/2;
dst_y=dstI420Data;
dst_u=dstI420Data+(widthxheight);
dst_v=dstI420Data+(widthxheightx5/4);
dst_stride_y=width;
dst_stride_u=width/2;
dst_stride_v=width/2;以下是调用libyuv完成图像转换、旋转、镜像的代码：
//
// Created by developer on 11/16/17.
#include "jni_Video_Process.h"
#ifdef __cplusplus
extern "C" {
#endif
JNIEXPORT jint JNICALL
Java_app_mobile_nativeapp_com_libmedia_core_jni_LibJniVideoProcess_NV21TOI420(JNIEnv *env,
class type,
jin in_width,
jin in_height,
jbyteArray srcData_,
jbyteArray dstData_) {
jbyte *srcData = env->GetByteArrayElements(srcData_, NULL);
jbyte *dstData = env->GetByteArrayElements(dstData_, NULL);
VideoProcess::NV21TOI420(in_width, in_height, (const uint8_t *) srcData,
(uint8_t *) dstData);
return 0;
JNIEXPORT jint JNICALL
Java_app_mobile_nativeapp_com_libmedia_core_jni_LibJniVideoProcess_MirrorI420(JNIEnv *env,
class type,
jin in_width,
jin in_height,
jbyteArray srcData_,
jbyteArray dstData_) {
jbyte *srcData = env->GetByteArrayElements(srcData_, NULL);
jbyte *dstData = env->GetByteArrayElements(dstData_, NULL);
VideoProcess::MirrorI420(in_width, in_height, (const uint8_t *) srcData,
(uint8_t *) dstData);
return 0;
JNIEXPORT jint JNICALL
Java_app_mobile_nativeapp_com_libmedia_core_jni_LibJniVideoProcess_RotateI420(JNIEnv *env,
class type,
jin in_width,
jin in_hegith,
jbyteArray srcData_,
jbyteArray dstData_,
jint rotationValue) {
jbyte *srcData = env->GetByteArrayElements(srcData_, NULL);
jbyte *dstData = env->GetByteArrayElements(dstData_, NULL);
return VideoProcess::RotateI420(in_width, in_hegith, (const uint8_t *) srcData,
(uint8_t *) dstData, rotationValue);
#ifdef __cplusplus
#endif
【学习地址】： FFmpeg/WebRTC/RTMP/NDK/Android音视频流媒体高级开发
【文章福利】：免费领取更多音视频学习资料包、大厂面试题、技术视频和学习路线图，资料包括（C/C++，Linux，FFmpeg webRTC rtmp hls rtsp ffplay srs 等等）有需要的可以点击 1079654574 加群领取哦~
以上代码完成NV21转换为I420等处理，接下来将数据传入底层，就可以使用FFmpeg进行H264编码了,下图是底层C++封装类图:
类图说明了，MediaEncoder依赖于MediaCapture,MediaPushStreamer依赖MediaEncoder的相互关系。VideoCapture接收视频数据缓存至videoCaptureframeQueue，AudioCapture接收音频数据缓存至audioCaptureframeQueue，这样RtmpPushStreamer就可以调用MediaEncoder完成音视频编码，并推流。
MediaPlus>>app.mobile.nativeapp.com.libmedia.core.streamer.RtmpPushStreamer,InitNative()中调用了 initCapture()用于初始化接收音视频数据的两个类及initEncoder()初始化音视频编码器，当调用startPushStream开始直播推流时，经JNI方法LiveJniMediaManager.StartPush(pushUrl)开始底层编码推流。
/**
* 初始化底层采集与编码器
private boolean InitNative() {
if (!initCapture()) {
return false;
if (!initEncoder()) {
return false;
Log.d("initNative", "native init success!");
nativeInt = true;
return nativeInt;
* 开启推流
* @param pushUrl
* @return
private boolean startPushStream(String pushUrl) {
if (nativeInt) {
int ret = 0;
ret = LiveJniMediaManager.StartPush(pushUrl);
if (ret < 0) {
Log.d("initNative", "native push failed!");
return false;
return true;
return false;
以下是开启推流时的JNI层调用：
**
* 开始推流
JNIEXPORT jint JNICALL
Java_app_mobile_nativeapp_com_libmedia_core_jni_LiveJniMediaManager_StartPush(JNIEnv *env,
jclass type,
jstring url_) {
mMutex.lock();
if (videoCaptureInit && audioCaptureInit) {
startStream = true;
isClose = false;
videoCapture->StartCapture();
audioCapture->StartCapture();
const char *url = env->GetStringUTFChars(url_, 0);
rtmpStreamer = RtmpStreamer::Get();
//初始化推流器
if (rtmpStreamer->InitStreamer(url) != 0) {
LOG_D(DEBUG, "jni initStreamer success!");
mMutex.unlock();
return -1;
rtmpStreamer->SetVideoEncoder(videoEncoder);
rtmpStreamer->SetAudioEncoder(audioEncoder);
if (rtmpStreamer->StartPushStream() != 0) {
LOG_D(DEBUG, "jni push stream failed!");
videoCapture->CloseCapture();
audioCapture->CloseCapture();
rtmpStreamer->ClosePushStream();
mMutex.unlock();
return -1;
LOG_D(DEBUG, "jni push stream success!");
env->ReleaseStringUTFChars(url_, url);
mMutex.unlock();
return 0;
}AudioCapture\VideoCapture用于接收应用层传入的音视频数据及采集参数，libyuv转换的I420，LiveJniMediaManager.StartPush(pushUrl)调用后， videoCapture->StartCapture() VideoCapture就可以接收到上层传入音视频数据，
LiveJniMediaManager.EncodeH264(videoBuffer, length);
JNIEXPORT jint JNICALL
Java_app_mobile_nativeapp_com_libmedia_core_jni_LiveJniMediaManager_EncodeH264(JNIEnv *env,
jclass type,
jbyteArray videoBuffer_,
jint length) {
if (videoCaptureInit && !isClose) {
jbyte *videoSrc = env->GetByteArrayElements(videoBuffer_, 0);
uint8_t *videoDstData = (uint8_t *) malloc(length);
memcpy(videoDstData, videoSrc, length);
OriginData *videoOriginData = new OriginData();
videoOriginData->size = length;
videoOriginData->data = videoDstData;
videoCapture->PushVideoData(videoOriginData);
env->ReleaseByteArrayElements(videoBuffer_, videoSrc, 0);
return 0;
}VideoCapture接收到数据后缓存至同步队列：
/**
* 往队列中添加视频数据
int VideoCapture::PushVideoData(OriginData *originData) {
if (ExitCapture) {
return 0;
originData->pts = av_gettime();
LOG_D(DEBUG,"video capture pts :%lld",originData->pts);
videoCaputureframeQueue.push(originData);
return originData->size;
libmedia/src/main/cpp/core/VideoEncoder.cpp libmedia/src/main/cpp/core/RtmpStreamer.cpp 这两个类是核心，前者负责编码视频，后者用于Rtmp推流,从前面的JNI调用开始推流 rtmpStreamer->SetVideoEncoder(videoEncoder)，可以看出来RtmpStreamer依赖VideoEncoder类，接下来说明下相互间如何完成编码及推流：
/**
* 视频编码任务
void *RtmpStreamer::PushVideoStreamTask(void *pObj) {
RtmpStreamer *rtmpStreamer = (RtmpStreamer *) pObj;
rtmpStreamer->isPushStream = true;
if (NULL == rtmpStreamer->videoEncoder) {
return 0;
VideoCapture *pVideoCapture = rtmpStreamer->videoEncoder->GetVideoCapture();
AudioCapture *pAudioCapture = rtmpStreamer->audioEncoder->GetAudioCapture();
if (NULL == pVideoCapture) {
return 0;
int64_t beginTime = av_gettime();
int64_t lastAudioPts = 0;
while (true) {
if (!rtmpStreamer->isPushStream ||
pVideoCapture->GetCaptureState()) {
break;
OriginData *pVideoData = pVideoCapture->GetVideoData();
// OriginData *pAudioData = pAudioCapture->GetAudioData();
//h264 encode
if (pVideoData != NULL && pVideoData->data) {
// if(pAudioData&&pAudioData->pts>pVideoData->pts){
// int64_t overValue=pAudioData->pts-pVideoData->pts;
// pVideoData->pts+=overValue+1000;
// LOG_D(DEBUG, "synchronized video audio pts videoPts:%lld audioPts:%lld", pVideoData->pts,pAudioData->pts);
// }
pVideoData->pts = pVideoData->pts - beginTime;
LOG_D(DEBUG, "before video encode pts:%lld", pVideoData->pts);
rtmpStreamer->videoEncoder->EncodeH264(&pVideoData);
LOG_D(DEBUG, "after video encode pts:%lld", pVideoData->avPacket->pts);
if (pVideoData != NULL && pVideoData->avPacket->size > 0) {
rtmpStreamer->SendFrame(pVideoData, rtmpStreamer->videoStreamIndex);
return 0;
int RtmpStreamer::StartPushStream() {
videoStreamIndex = AddStream(videoEncoder->videoCodecContext);
audioStreamIndex = AddStream(audioEncoder->audioCodecContext);
pthread_create(&t3, NULL, RtmpStreamer::WriteHead, this);
pthread_join(t3, NULL);
VideoCapture *pVideoCapture = videoEncoder->GetVideoCapture();
AudioCapture *pAudioCapture = audioEncoder->GetAudioCapture();
pVideoCapture->videoCaputureframeQueue.clear();
pAudioCapture->audioCaputureframeQueue.clear();
if(writeHeadFinish) {
pthread_create(&t1, NULL, RtmpStreamer::PushAudioStreamTask, this);
pthread_create(&t2, NULL, RtmpStreamer::PushVideoStreamTask, this);
}else{
return -1;
// pthread_create(&t2, NULL, RtmpStreamer::PushStreamTask, this);
// pthread_create(&t2, NULL, RtmpStreamer::PushStreamTask, this);
return 0;
}rtmpStreamer->StartPushStream()调用了，RtmpStreamer::StartPushStream(); 在RtmpStreamer::StartPushStream()中，开起新的线程:
pthread_create(&t1, NULL, RtmpStreamer::PushAudioStreamTask, this);
pthread_create(&t2, NULL, RtmpStreamer::PushVideoStreamTask, this);
在PushVideoStreamTask主要有以下调用:
- 从VideoCapture队列中获取缓存的数据pVideoCapture->GetVideoData().
- 计算PTS：pVideoData->pts = pVideoData->pts - beginTime.
- 编码器完成编码:rtmpStreamer->videoEncoder->EncodeH264(&pVideoData).
- rtmpStreamer->SendFrame(pVideoData, rtmpStreamer->videoStreamIndex) 完成推流.
这样就完成了编码与推流的整个流程，那么是如何完成编码的? 因为在开启推流之前，就已经初始化了编码器，所以RtmpStreamer只需要调用VideoEncoder编码，其实VideoCapture,RtmpStreamer二者就是生产者与消费者的模式。 VideoEncoder::EncodeH264();正是完成了推流前的重要部分-视频编码。
int VideoEncoder::EncodeH264(OriginData **originData) {
av_image_fill_arrays(outputYUVFrame->data,
outputYUVFrame->linesize, (*originData)->data,
AV_PIX_FMT_YUV420P, videoCodecContext->width,
videoCodecContext->height, 1);
outputYUVFrame->pts = (*originData)->pts;
int ret = 0;
ret = avcodec_send_frame(videoCodecContext, outputYUVFrame);
if (ret != 0) {
#ifdef SHOW_DEBUG_INFO
LOG_D(DEBUG, "avcodec video send frame failed");
#endif
av_packet_unref(&videoPacket);
ret = avcodec_receive_packet(videoCodecContext, &videoPacket);
if (ret != 0) {
#ifdef SHOW_DEBUG_INFO
LOG_D(DEBUG, "avcodec video recieve packet failed");
#endif
(*originData)->Drop();
(*originData)->avPacket = &videoPacket;
#ifdef SHOW_DEBUG_INFO
LOG_D(DEBUG, "encode video packet size:%d pts:%lld", (*originData)->avPacket->size,
(*originData)->avPacket->pts);
LOG_D(DEBUG, "Video frame encode success!");
#endif
(*originData)->avPacket->size;
return videoPacket.size;
}以上就是H264编码的核心代码了，填充AVFrame，再完成编码，AVFrame data中存储的是编码前的数据，经编码后AVPacket data中存储的是压缩编码后的数据，再通过 RtmpStreamer::SendFrame()将编码后的数据发送出去。发送过程中，需要转换PTS，DTS时间基数，将本地编码器的时间基数，转换为AVStream中的时间基数。
int RtmpStreamer::SendFrame(OriginData *pData, int streamIndex) {
std::lock_guard<std::mutex> lk(mut1);
AVRational stime;
AVRational dtime;
AVPacket *packet = pData->avPacket;
packet->stream_index = streamIndex;
LOG_D(DEBUG, "write packet index:%d index:%d pts:%lld", packet->stream_index, streamIndex,
packet->pts);
//判断是音频还是视频
if (packet->stream_index == videoStreamIndex) {
stime = videoCodecContext->time_base;
dtime = videoStream->time_base;
else if (packet->stream_index == audioStreamIndex) {
stime = audioCodecContext->time_base;
dtime = audioStream->time_base;
else {
LOG_D(DEBUG, "unknow stream index");
return -1;
packet->pts = av_rescale_q(packet->pts, stime, dtime);
packet->dts = av_rescale_q(packet->dts, stime, dtime);
packet->duration = av_rescale_q(packet->duration, stime, dtime);
int ret = av_interleaved_write_frame(iAvFormatContext, packet);
if (ret == 0) {
if (streamIndex == audioStreamIndex) {
LOG_D(DEBUG, "---------->write @@@@@@@@@ frame success------->!");
} else if (streamIndex == videoStreamIndex) {
LOG_D(DEBUG, "---------->write ######### frame success------->!");
} else {