FFmpeg 全名是 Fast Forward MPEG (Moving Picture Experts Group),为开源的影音多媒体处理框架,可以进行影音的解码、编码、编码转换、混合、抽取、串流和滤镜,无论影音格式是从哪个地方出来的,从过去到现在的影音格式它几乎都能够支持。当然,它也可以利用 x264 这款高品质的开源 H.264 编码器来进行 H.264 编码。
x264 虽然本身有提供指令工具,且能支持几种输出的文件容器(如 .mp4、.mkv),但基于它无法同时处理音频的原因,我们很少会直接使用它,而是会透过其它前端的界面来使用 x264 的函数库。一般来说,使用 x264 进行视频编码会选择使用 --crf 参数来设置 CRF (Constant Rate Factor)控制视频画质,数值愈低画质愈高(比特率相对愈高)。此外,x264 指令工具还有提供一个 --preset 参数,它可以帮助我们快速设置 x264 编码时所用的众多参数。依照编码速度的不同,preset 由快到慢可以分为:ultrafast、superfast、veryfast、faster、fast、medium、slow、slower、veryslow、placebo 这 10 个等级,原则上愈慢则会有更好的压缩效果或是画质。
使用 FFmpeg 指令工具来操作 x264 编码器时,x264 的 --crf 参数会对应到 FFmpeg 的 -crf 参数,数值范围为 0 ~ 51,默认值为 23,18 左右即达到视觉无损;--preset 参数会对应到 FFmpeg 的 -preset 参数,默认值为 medium。
透过 FFmpeg 输出视觉无损的 H.264/MPEG-4 AVC 视频的指令如下:
透过 FFmpeg 输出标准画质的 H.264/MPEG-4 AVC 视频的指令如下:
使用最高的压缩效果来输出视觉无损的 H.264/MPEG-4 AVC 视频,指令如下:
使用最低的压缩率来输出视觉无损的 H.264/MPEG-4 AVC 视频(通常作为输出正式结果前的测试),指令如下:
不过实际上,即便用 CRF 编码模式,-preset 参数还是会影响到输出画质的。可参考这篇文章来比较看看。
4:2:0/4:2:2/4:4:4 和 8-bit/10-bit 视频编码
预设情况下,FFmpeg 使用 x264 来编码 H.264/MPEG-4 AVC 时,会根据视频输入源来决定输出的色彩采样方式和色彩深度。常见的色彩采样方式为 4:2:0(支持硬件解码),特殊情况下才会去用到 4:2:2 或是 4:4:4。色彩采样对于画面的呈现差异并不明显,但对于后制宽容度的影响比较大。而色彩深度则影响到视频的颜色表现范围,这个要看视频来源,如果视频原本就是用 10-bit 深度的设备进行录制或是制作的话,那么降转成 8-bit 时就会出现色斑、色块等色阶不连续的情况。
FFmpeg 指令工具可以利用 -pix_fmt 参数来设置输出视频的像素格式来决定其色彩采样方式和色彩深度,搭配 libx264 编码时,会自动选择适当的 H.264/MPEG-4 AVC Profile 来使用。
像素格式 yuv420p,代表要使用 8-bit 4:2:0 进行编码;yuv422p,代表要使用 8-bit 4:2:2 进行编码;yuv444p,代表要使用 8-bit 4:4:4 进行编码;yuv420p10le,代表要使用 10-bit 4:2:0 进行编码;yuv422p10le,代表要使用 10-bit 4:2:2 进行编码;yuv444p10le,代表要使用 10-bit 4:4:4 进行编码。
透过 FFmpeg 输出视觉无损的 10-bit H.264/MPEG-4 AVC 视频的指令如下:
CVBR(约束的变动比特率)
CRF 是以画质为基准的视频编码方式,所以其编码结果会根据该片段内的复杂程度来决定其所使用的比特率,也就是变动比特率(VBR)。因此,对于复杂的运动场景,比特率被拉得很高,如果这个视频是用在网络串流的话,用户就容易发生卡顿的情形。CVBR 编码模式是以 VBR 编码模式为基础,再增加比特率最大值(也可加上最小值)的限制,若是 x264 在编码时发现该片段需要比设置的比特率最大值还要更大的比特率才有办法处理的话,就会自动调高 CRF(降低画质)来进行编码。
替 FFmpeg 加上 -maxrate 参数传入要设置的比特率最大值,另外还要传入 -bufsize 参数来设置解码器用的缓冲空间。-bufsize 参数的值并没有固定,我们可以先把它设为跟 -maxrate 参数一样或是一半的值,再慢慢往上加,直到最终的输出比特率接近我们设置的比特率最大值。如果不设置 -bufsize 参数的话,x264 会直接忽略 -maxrate 参数,输出结果就和只用 CRF 时一样;如果有适当地设置 -bufsize 参数,我们就可以利用以下公式来预估编码后的视频大小:
#{{{
{ \text{约束的变动比特率(Kbps, Kb/s)} \times \text{时间(s, 秒)} \over \text{8(b/B)} } = \text{视频的大小(KB)}
}}}#
为什么要有 -bufsize 参数?当我们在网络串流视频的时候,视频数据并不是被我们接收到之后就立刻解码播放到屏幕上,而是会先存入「缓冲空间」。假设我们的网络带宽有 1Mbps,经过 N 秒就有 N Mb 的数据进入缓冲空间中。由于视频比特率是变动的,可能第 1 秒的数据只占了 0.5 Mb,而第 2 秒的数据却有 1.5 Mb,我们的播放器在播放第 1 秒视频内容的时候,就会取得第 2 秒一部份的视频内容,放在缓冲空间中。若缓冲空间至少有 0.5 Mb,即便我们的网络带宽不足 1.5Mbps,这个视频也可以顺畅播放。-maxrate 参数的值其实也代表着用户最低限度的网络带宽,搭配 -bufsize 参数来使用时,设置愈高的缓冲空间,可以允许视频的某些片段使用比 -maxrate 设置的最大比特率还要更大的比特率来处理复杂的场景。
透过 FFmpeg 输出视觉无损的 CVBR 3Mbps H.264/MPEG-4 AVC 视频的指令如下:
二次编码(2-pass)
如果是为了要输出固定大小的视频而使用 CVBR 编码模式的话,可能就得重复转好几次档,找出适当的 -bufsize 参数的值。其实有个更好的方式只要固定编码两次就好了,第一次编码的目的是收集编码视频来源时所得到的信息(预设会在工作目录中被存成 ffmpeg2pass-0.log 和 ffmpeg2pass-0.log.mbtree 文件),第二次是利用已收集到的信息和相同的视频来源编码出比特率有被精确控制过的视频。
利用 FFmpeg 提供的 -b:v (-vb)参数,可以直接设置视频的平均比特率。再加上 -pass 1 参数表示要进行第一次编码;-pass 2 参数表示要进行第二次编码。
例如要使用最高的压缩效果输出平均比特率为 3Mbps 的 H.264/MPEG-4 AVC 视频,第一次编码的指令如下:
由于第一次编码输出的视频文件,其比特率可能会和我们从参数设置的比特率有所差距,所以不让它保存成文件。当然,您也可以选择存下来,因为说不定它就正好是我们要的比特率,这样也不需要继续接下来的第二次编码了。另外,这个指令还用了 -an 和 -sn 参数使 FFmpeg 不要去处理音轨和字幕轨;-y 参数使 FFmpeg 不询问是否覆盖文件。上面的指令是给 Unix-like 的操作系统用的,如果是 Windows 的话要使用下面这个指令:
第二次编码的指令如下:
无损压缩
H.264 支持无损压缩,只要将 -crf 参数设为 0 就好了,FFmpeg 会将 H.264 Profile 设为 High 4:4:4 Predictive。
使用最高的压缩效果来输出无损画质的 H.264/MPEG-4 AVC 视频,指令如下:
Tune
针对不同的图像来源类型或是输出目的,x264 还可以加上 --tune 参数控制一些编码细项来优化结果。FFmpeg 对应的参数为 -tune。-tune 可以使用的值有以下几种:
film:图像来源为现代电影或是 3D 动画。(无大范围同色色块的图像)animation:2D 动画。(有大范围同色色块,且上、下张变化不大的图像)grain:老电影。(有颗粒感的图像)stillimage:幻灯片类的视频。fastdecode:输出适合在低端设备播放的视频。zerolatency:输出适合低延迟串流的视频。psnr、ssim:针对 PSNR 或是 SSIM 进行优化,对视觉品质可能没有实质意义上的帮助。
