h264 aac 封装 flv

Part 1flvtag组成

FLV 文件结构由 FLVheader和FLVBody组成。（注意flv文件是大端格式的）
FLV头组成（以c为例子，一字节对齐）：
FLVBody是由若干个Tag组成的；
     Tag=Tag头(11字节)+数据

typedef struct _FLV_HEADER
{
    char FLV[3];//={0x46,0x4c,0x56};
    char Ver;   //版本号
    char StreamInfo;// 有视频又有音频就是0x01 | 0x04（0x05）
    int HeaderLen; /*****头的长度*****/
} FLV_HEADER;

Part2 h264

H264是一个个NALU单元组成的，每个单元以00 00 01 或者 00 00 00 01分隔开来，每2个00 00 00 01之间就是一个NALU单元。我们实际上就是将一个个NALU单元封装进FLV文件。
每个NALU单元开头第一个byte的低5bits表示着该单元的类型，即NAL nal_unit_type：

#define NALU_TYPE_SLICE 1
#define NALU_TYPE_DPA 2
#define NALU_TYPE_DPB 3
#define NALU_TYPE_DPC 4
#define NALU_TYPE_IDR 5    /**关键帧***/
#define NALU_TYPE_SEI 6    /*****曾强帧******/
#define NALU_TYPE_SPS 7
#define NALU_TYPE_PPS 8
#define NALU_TYPE_AUD 9
#define NALU_TYPE_EOSEQ 10
#define NALU_TYPE_EOSTREAM 11
#define NALU_TYPE_FILL 12

每个NALU第一个byte & 0x1f 就可以得出它的类型，比如上图第一个NALU：67 & 0x1f = 7，则此单元是SPS，第三个：68 & 0x1f = 8，则此单元是PPS。

Part3 h264 封装flv

 我们现在开始把H264，AAC封装为FLV文件。
 首先定义一个函数(功能反向拷贝)：

void ReverseMemcpy(void* dest,size_t destLen, const void* src, size_t n)
{
        char*     d= (char*) dest;
        const char*  s= (const char*)src;
        s=s+n-1;
        while(n--&&destLen--)
        {
            *d++=*s--;
        }
        return dest;
}

              1.写入FLV头。
              2.写入FLV脚本Tag；
              3.由于分装的是H264，AAC所以所写入一个视频配置信息，和一个音频配置信息
              3.写入视频Tag.由于是H264,Tag的数据就需要按照AVC格式封装。Tag数据区有两种，一种是视频(0x17),一种是音频（0x27）。
                 AVC格式：AVCPacketType(1字节)+CompositionTime（3字节）
                               如果AVCPacketType=0x00,这格式为AVCPacketType(1字节)+CompositionTime（3字节）+AVCDecoderConfigurationRecord。
                               如果AVCPacketType=0x01,这格式为AVCPacketType(1字节)+CompositionTime（3字节）+ 4个bytes的NALU单元长度 + N个bytes的NALU数据。
AVCDecoderConfigurationRecord结构信息    

typedef struct _AVC_DEC_CON_REC
{
    char cfgVersion;//configurationVersion  //0x01
    char avcProfile;//AVCProfileIndication  //sps[1]
    char profileCompatibility;//profile_Compatibility //sps[2]
    char avcLevel;//AVCLevelIndication //sps[3]
    //lengthSizeMinusOne:indicates the length in bytes of the NALUnitLength field in an AVC video
    char reserved6_lengthSizeMinusOne2;//
    char reserved3_numOfSPS5;//个数
    long spsLength;//sequenceParameterSetLength
    void *sps;
    char numOfPPS;//个数
    long ppsLength;
    void *pps;
}AVC_DEC_CON_REC;

char *pH264Data=....;//h264数据。
int H264DataLen=....;//h264数据长度
FLV_TAG_HEADER tagHeader;
char AVCPacket[4]={0x00,0x00,0x00,0x00}
memset(tagHeader,0,sizeof(FLV_TAG_HEADER));
int Index=0;//分隔符长度
if(*pH264Data==0x00&&(*pH264Data+1)==0x00&&(*pH264Data+2)==0x01)
{
     Index=3;
}else if(*pH264Data==0x00&&(*pH264Data+1)==0x00&&(*pH264Data+2)==0x00&&(*pH264Data+4)==0x01)
{
     Index=4;
}else{
    Err//错误不是h264数据
}
if(*(pH264Data+Index)&0x1f==0x07)//sps帧，此h264数据还有一帧，pps。
{
     int PreTagLen=.....//前一个Tag长度
     ReverseMemcpy(&tagHeader.PreTagLen,4,&PreTagLen,4);//大端字节序；
     tagHeader.TagType=0x09;//视频类型
     //AVCPacket应全为0x00.

}

part 4.音频AAC封装flv。

    AAC音频格式有ADIF和ADTS：ADIF：Audio Data Interchange Format 音频数据交换格式。这种格式的特征是可以确定的找到这个音频数据的开始，不需进行在音频数据流中间开始的解码，即它的解码必须在明确定义的开始处进行。故这种格式常用在磁盘文件中。ADTS：Audio Data Transport Stream 音频数据传输流。这种格式的特征是它是一个有同步字的比特流，解码可以在这个流中任何位置开始。它的特征类似于mp3数据流格式。简单说，ADTS可以在任意帧解码，也就是说它每一帧都有头信息。ADIF只有一个统一的头，所以必须得到所有的数据后解码。且这两种的header的格式也是不同的，目前一般编码后的和抽取出的都是ADTS格式的音频流。语音系统对实时性要求较高，基本是这样一个流程，采集音频数据，本地编码，数据上传，服务器处理，数据下发，本地解码ADTS是帧序列，本身具备流特征，在音频流的传输与处理方面更加合适。
因此我们在音频编码时常选择ADTS的，以下是我们常用的配置
  

 m_hAacEncoder= faacEncOpen(capability.nSamplesPerSec,capability.nChannels,
&m_nAacInputSamples, &m_nAacMaxOutputBytes);
   m_nAacnMaxInputBytes=m_nAacInputSamples*capability.wBitsPerSample/8;
   m_pAacConfig = faacEncGetCurrentConfiguration(m_hAacEncoder);//获取配置结构指针
   m_pAacConfig->inputFormat = FAAC_INPUT_16BIT;//16精度
m_pAacConfig->outputFormat=1; //   设置为 ADTS
m_pAacConfig->useTns=true;
m_pAacConfig->useLfe=false;
m_pAacConfig->aacObjectType=LOW;
m_pAacConfig->shortctl=SHORTCTL_NORMAL;
m_pAacConfig->quantqual=100;
m_pAacConfig->bandWidth=0;
m_pAacConfig->bitRate=capability.nAvgBytesPerSec;

对于flv的aac音频和视频一样需要在第一帧写入配置信息。
 

flv_packet flvpacket=GetErrPacket();
 int TagDataLen=1000;
 char *pTagBuffer=(char *)::malloc(TagDataLen);
 memset(pTagBuffer,0,TagDataLen);
 KKMEDIA::FLV_TAG_HEADER Tag_Head;
 memset(&Tag_Head,0,sizeof(Tag_Head));
 FlvMemcpy(&Tag_Head.PreTagLen,4,&m_nPreTagLen,4);
 memset(&Tag_Head.Timestamp,0,3);
 Tag_Head.TagType=0x08;///音频
 int datalen=0;
 memcpy(pTagBuffer,&Tag_Head,sizeof(KKMEDIA::FLV_TAG_HEADER));
 datalen+=sizeof(KKMEDIA::FLV_TAG_HEADER);
 //前4bits表示音频格式（全部格式请看官方文档）：
 //1 -- ADPCM
 //2 -- MP3
 //4 -- Nellymoser 16-kHz mono
 //5 -- Nellymoser 8-kHz mono
 //10 -- AAC
 //面两个bits表示samplerate：
 //·0 -- 5.5KHz
 //·1 -- 11kHz
 //·2 -- 22kHz
 //·3 -- 44kHz 1100=0x0C
 //下面1bit表示采样长度：
 //·0 -- snd8Bit
 //·1 -- snd16Bit
 //下面1bit表示类型：
 //·0 -- sndMomo
 //·1 -- sndStereo
 char TagAudio=0xAF; //1010,11,1,1
 //TagAudio &=0x0C;//3
 //TagAudio &=0x02;//1
 //TagAudio &=0x01;//sndStereo
 memcpy(pTagBuffer+datalen,&TagAudio,1);
 datalen++;
 char AACPacketType=0x00;//012->
 memcpy(pTagBuffer+datalen,&AACPacketType,1);
 datalen++;
 ///两个字节
 char AudioSpecificConfig[2]={0x12,0x90};///32000hz
 memcpy(pTagBuffer+datalen,&AudioSpecificConfig,2);
 datalen+=2;
 m_nPreTagLen=datalen-4;///（tag长度值）
 TagDataLen=datalen-15;//(11+4(tag长度值+tag的头)
 //Tag 数据区长度
 FlvMemcpy(pTagBuffer+5,3,&TagDataLen,3);
 flvpacket.buf =(unsigned char*)pTagBuffer;
 flvpacket.bufLen=datalen;
 flvpacket.taglen=m_nPreTagLen;
 return flvpacket;

关于上面的代码中AudioSpecificConfig的值是怎样计算来的，可以直接中aac编码库中获取，或者采用公式计算出来,请看一下代码。

///索引表
static unsigned const samplingFrequencyTable[16] = {
  96000, 88200, 64000, 48000,
  44100, 32000, 24000, 22050,
  16000, 12000, 11025, 8000,
  7350,  0,     0,      0
};
int profile=1;
int samplingFrequencyIndex=0;
for(int i=0;i<16;i++)
{
        if(samplingFrequencyTable[i]==32000)
        {
           samplingFrequencyIndex =i;
           break;
        }
}
char channelConfiguration =0x02;//(立体声)
UINT8 audioConfig[2] = {0};
UINT8 const audioObjectType = profile + 1;  ///其中profile=1;
audioConfig[0] = (audioObjectType<<3) | (samplingFrequencyIndex>>1);
audioConfig[1] = (samplingFrequencyIndex<<7) | (channelConfiguration<<3);
printf("%02x%02x", audioConfig[0], audioConfig[1]);

   最后就写入aac帧数据了，请看以下代码：
               

flv_packet flvpacket=GetErrPacket();
            int TagDataLen=1000+srcLen;
            char *pTagBuffer=(char *)::malloc(TagDataLen);
            memset(pTagBuffer,0,TagDataLen);
            KKMEDIA::FLV_TAG_HEADER Tag_Head;
            memset(&Tag_Head,0,sizeof(Tag_Head));
            //FlvMemcpy等同于ReverseMemcpy
            FlvMemcpy(&Tag_Head.PreTagLen,4,&m_nPreTagLen,4);
            FlvMemcpy(&Tag_Head.Timestamp,3,&pts,3);


            Tag_Head.TagType=0x08;///音频
            int datalen=0;
            memcpy(pTagBuffer,&Tag_Head,sizeof(KKMEDIA::FLV_TAG_HEADER));
            datalen+=sizeof(KKMEDIA::FLV_TAG_HEADER);
            char TagAudio=0xAF;
            memcpy(pTagBuffer+datalen,&TagAudio,1);
            datalen++;


            char AACPacketType=0x01;
            memcpy(pTagBuffer+datalen,&AACPacketType,1);
            datalen++;

               //src aac数据指针(不包含ADTS头长度)，srcLenAAC数据长度
            memcpy(pTagBuffer+datalen,src,srcLen);
            datalen+=srcLen;


            m_nPreTagLen=datalen-4;///（tag长度值）
            TagDataLen=datalen-15;//(11+4(tag长度值+tag的头)


            //Tag 数据区长度
            FlvMemcpy(pTagBuffer+5,3,&TagDataLen,3);
            flvpacket.buf =(unsigned char*)pTagBuffer;
            flvpacket.bufLen=datalen;
            flvpacket.taglen=m_nPreTagLen;
            return flvpacket;

注意在使用ADTS头输出的AAC编码数据，在打包flv格式时，需要跳过其adts头长度（7字节）。
例如：

AudioPacket((const unsigned  char *)(pDataNALU+7),PktSize-7,Pts);