基于opencl的ffmpeg视频优化处理设计与实现

《基于opencl的ffmpeg视频优化处理设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：TP311学校代码：10213国际图书分类号：621.3密级：公开工程硕士学位论文基于OPENCL的FFMPEG视频优化处理设计与实现硕士研究生：程怀智导师：骆吉洲副教授副导师：高鹏高级工程师申请学位：工程硕士学科：软件工程所在单位：软件学院答辩日期：2013年6月授予学位单位：哈尔滨工业大学ClassifiedIndex:TP311U.D.C:621.3DissertationfortheMaster’sDegreeinEngineeringDESIGNANDIMPLEMENTATIONOFFFMPEGVIDEOOPTIMATIONBASEDONO

2、PENCLCandidate：ChengHuaizhiSupervisor：AssociateProfessorLuoJizhouAssociateSupervisor:SeniorEngineerGaoPengAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：SoftwareEngineeringAffiliation：SchoolofsoftwareDateofDefence：July,2013Degree-Conferring-Institution：HarbinInstituteofTechnolo

3、gy哈尔滨工业大学工程硕士学位论文摘要作为视频处理方面的高效软件，FFMPEG（FastForwardMotionPicturesExpertsGroup）已经在音视频领域叱咤了十多年。随着视频格式的不断更新，更高清晰度以及占用空间更大的视频格式不断涌现。然而FFMPEG却按兵不动，没有什么更新的举措，可以说依旧在使用它的老一套编解码和滤镜处理来对各种各样的新格式视频进行处理。这使得处理效率严重下降。OPENCL(OpenComputingLanguage)作为新时代的并行计算语言，对于密集度较大以及数据格式相似的大规模数据有着很好的并行计算优势。视频处理是对帧数据

4、进行处理，每帧数据含有大量的相近的像素点，这满足OPENCL并行计算的要求。所以通过将OPENCL语言引入到FFMPEG中，可以对其实现一种良好的优化方案。本文的研究旨在提升FFMPEG的效率。首先通过对FFMPEG整个工程的分析，确定可以进行优化设计的部分，通过并行计算以及硬件解码来提高软件在视频处理时的效率。其次，针对视频处理过程中的编解码流程以及滤镜处理过程，分别提出采用dxva2(DirectxVideoAcceleration2)的硬件加速处理方式和OPENCL并行开发的方式解决这两个过程的加速处理。其中硬件解码dxva2是微软提供的一种硬件解码规范，通过

5、调用相应的动态链接库，改变原来的软件解码方式，直接调用GPU来实现对解码过程的效率的提升。同时对于FFMPEG中的滤镜，根据其实现的方式进行并行可行性分析，对于那些计算量大且多为相似度很高的密集计算，亦或是同一类的计算方式的滤镜，采用OPENCL的方式进行加速处理。根据滤镜功能的不同，设计不同的kernel函数来对像素点进行不同方式的处理。最后，对于是否采取这些方式进行视频处理取决于命令行输入信息，包含相应的加速处理字样的话，就初始化相应的环境，注册对应函数和变量，然后进行加速处理。本文详细分析、设计和实现了上述优化方案，并进行了大量测试。结果表明，所提出的硬件加速

6、和并行处理相结合的方案突破了软件原来的效率低下的瓶颈，使整个视频处理方案的效率有了显著提升。关键词：视频处理；OPENCL；并行计算；硬件解码；滤镜-I-哈尔滨工业大学工程硕士学位论文AbstractAsahighlyefficientvideoprocessingsoftware,FFMPEGaudioandvideohasbeenexcellentinthefieldforoveradecadeshook.Withvideoformatsconstantlyupdated,higherresolutionandlargerfootprintvideoformat

7、sareemerging.However,whathasnotupdatedFFMPEGinitiatives,wecansayitisstillusingstereotypedprocessingcodecsandfiltersforavarietyofnew-formatvideoprocessing.Thisallowstheprocessingefficiencyinseriousdecline.OPENCLasaneweraofparallelcomputinglanguage,aswellastheintensityofthelargerdatafo