视频库LFLiveKit分析（一）:视频采集
整体架构
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
整体架构.png
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
相机数据流程.png
视频采集使用系统库
AVFoundation的AVCaptureSession，所以就是常规性的几步：
- 构建
AVCaptureSession:_captureSession = [[AVCaptureSession alloc] init]; - 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];
}
- 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];
}
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：
图像处理链.png
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];
}
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：
视频采集基本数据流.png
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);
}
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];
}
}
}
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。
顶点位置.png
纹理坐标跟OpenGL坐标方向是一样的的：
纹理坐标.png
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。
视频图像、纹理坐标变换.png
-
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：
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。static const GLfloat noRotationTextureCoordinates[] = { 0.0f, 1.0f, 1.0f, 1.0f, 0.0f, 0.0f, 1.0f, 0.0f, };
-
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：
坐标变换.png
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;
......
}
cropFilter的纹理坐标计算
在回到剪切效果，虚线是剪切的位置：
纹理旋转+剪切的逻辑示意图.png
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);
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)。
最后
花了很多的篇幅去说纹理坐标的问题，一开始本来想挑个简单例子（cropFiler）说下滤镜组件的，但是这个纹理坐标的计算让我陷入了糊涂，不搞清楚实在不舒服。
更轻松的解决方案？
- 把旋转做成单独的处理组件，不要和其他的滤镜混在一起了，其他处理组件就按照当前不旋转的样式来。
- 这些旋转+剪切的逻辑可能一个矩阵运算就直接搞定了，那样会更好理解些。
值得学习的地方：
- 视频图像处理
- 缓冲区/缓存重用机制
- 链式图像处理
- 整个库的封装很好：从LFLiveSession，到LFVideoCapture+LFAudioCapture，到GPUImageVideoCamera,层次清晰，每层的存在恰到好处。
