Jak użyć ffmpeg, aby podzielić wideo na obrazy, a następnie ponownie złożyć dokładnie to samo?

3

Mam MP4, który ma strumienie audio i wideo i muszę zmodyfikować każdą klatkę wideo. Rurociąg, którego używam, to:

Podziel dźwięk na wideo: 

ffmpeg -i in.mp4 -vn -acodec copy out.m4a

Następnie podziel wideo na plik obrazu na klatkę: 

ffmpeg -i in.mp4 img%04d.png

Następnie wykonuję przetwarzanie plików img% 04d.png (zakładam, że operacja jest zerowa) i chcę ponownie złożyć wideo. 

ffmpeg -i img%04d.png -i out.m4a -c:v libx264 -r 25 -pix_fmt yuv420p -c:a copy -shortest out.mp4

W zasadzie działa, ale moim problemem jest to, że muszę dopasować format wejściowy mp4 tak blisko, jak to możliwe, i staram się wypracować, jak to zrobić.

Przykład:

Wprowadź MP4: 

Duration: 00:00:10.01, start: 0.010000, bitrate: 24589 kb/s
  Stream #0:0(eng): Video: h264 (High) (avc1 / 0x31637661), yuv420p, 4096x2048 [SAR 1:1 DAR 2:1], 27736 kb/s, 25 fps, 25 tbr, 25k tbn, 50 tbc
  Stream #0:1(eng): Audio: aac (mp4a / 0x6134706D), 48000 Hz, stereo, fltp, 189 kb/s

Wyjście MP4 po przetworzeniu: 

Duration: 00:00:10.00, start: 0.000000, bitrate: 4458 kb/s
  Stream #0:0(und): Video: h264 (High) (avc1 / 0x31637661), yuv420p, 4096x2048 [SAR 1:1 DAR 2:1], 4272 kb/s, 25 fps, 25 tbr, 12800 tbn, 50 tbc
  Stream #0:1(eng): Audio: aac (mp4a / 0x6134706D), 48000 Hz, stereo, fltp, 189 kb/s

Jak oddzieliłem dźwięk, to pasuje dokładnie. Użyłem opcji -r i -pix_fmt, aby wymusić dopasowanie szybkości klatek i formatów pikseli.

Jednak czas trwania, początek, bitrate, język strumienia wideo i tbn uległy zmianie.

Próbowałem naprawić bitrate używając argumentów: 

-b:v 27736k -minrate 27736k -maxrate 27736k

ale skończyłem z przepływnością 41 Mb / s zamiast 27 Mb / s.

Nie spodziewam się, aby bitrate pasował dokładnie, ale potrzebuję jakości, aby pozostała niezmieniona, a pozostałe elementy muszą pozostać niezmienione.

Czy ktoś może mi powiedzieć, czy mogę w jakiś sposób użyć istniejącego mp4 do sterowania konfiguracją jednego generowanego przeze mnie lub jakich argumentów muszę użyć, aby ręcznie zapewnić, że wynik jest bliski dopasowania.

Aktualizacja 1 - zaktualizowana

Wypróbowane polecenie zaproponowane przez Mulvyę: 

ffmpeg -i img%04d.png -i out.m4a \
-c:v libx264 -b:v 27736k -bufsize 30000k \
-r 25 -video_track_timescale 25000 -output_ts_offset 0.01 -pix_fmt yuv420p \
-c:a copy -metadata:s:v:0 language=eng -metadata:s:a:0 language=eng -shortest out.mp4

Wynikowa szybkość transmisji wynosiła 24502 ​​kb / s, co jest znacznie bliższe, a język Streamu # 0.0 został poprawnie ustawiony na angielski. tbn i start są poprawne, ale długość jest krótka.

Zastanawiam się, czy problem ma coś wspólnego z początkowym pokoleniem. Oryginalne wyjście wygenerowało 251 obrazów klatek, które przy jednym starcie, jeden koniec jest dokładnie 10 sekund przy 25 fps. Stworzyłem ten film wideo, pobierając istniejące wideo i zmniejszając je do 10 sekund, używając:

ffmpeg -i in.mp4 -ss 0 -c skopiuj -t 10 out.mp4

a to polecenie powoduje nagranie wideo o długości 10,01. 0,01 to znacznie mniej niż 0,04 sekundy na klatkę wideo o szybkości 25 klatek na sekundę.

Używam wersji ffmpeg N-78636-g45d3af9 z witryny Zeranoe.

Aktualizacja 2

Dodawanie wyjścia z polecenia ffmpeg 

E:\ImageTest\video>c:\ffmpeg\bin\ffmpeg -thread_queue_size 512 -i img%04d.png -i out.m4a -c:v libx264 -r 25 -pix_fmt yuv420p -c:a copy -shortest out.mp4
ffmpeg version N-78636-g45d3af9 Copyright (c) 2000-2016 the FFmpeg developers
  built with gcc 5.3.0 (GCC)
  configuration: --enable-gpl --enable-version3 --disable-w32threads --enable-avisynth --enable-bzlib --enable-fontconfig --enable-frei0r --enable-gnutls --enable-iconv --enable-libass --enable-libbluray --enable-libbs2b --enable-libcaca --enable-libdcadec --enable-libfreetype --enable-libgme --enable-libgsm --enable-libilbc --enable-libmodplug --enable-libmp3lame --enable-libopencore-amrnb --enable-libopencore-amrwb --enable-libopenjpeg --enable-libopus --enable-librtmp --enable-libschroedinger --enable-libsoxr --enable-libspeex --enable-libtheora --enable-libtwolame --enable-libvidstab --enable-libvo-amrwbenc --enable-libvorbis --enable-libvpx --enable-libwavpack --enable-libwebp --enable-libx264 --enable-libx265 --enable-libxavs --enable-libxvid --enable-libzimg --enable-lzma --enable-decklink --enable-zlib
  libavutil      55. 18.100 / 55. 18.100
  libavcodec     57. 24.105 / 57. 24.105
  libavformat    57. 26.100 / 57. 26.100
  libavdevice    57.  0.101 / 57.  0.101
  libavfilter     6. 35.100 /  6. 35.100
  libswscale      4.  0.100 /  4.  0.100
  libswresample   2.  0.101 /  2.  0.101
  libpostproc    54.  0.100 / 54.  0.100
Input #0, image2, from 'img%04d.png':
  Duration: 00:00:10.04, start: 0.000000, bitrate: N/A
    Stream #0:0: Video: png, rgb24(pc), 4096x2048 [SAR 1:1 DAR 2:1], 25 tbr, 25 tbn, 25 tbc
Input #1, mov,mp4,m4a,3gp,3g2,mj2, from 'out.m4a':
  Metadata:
    major_brand     : M4A
    minor_version   : 512
    compatible_brands: isomiso2
    encoder         : Lavf55.0.100
  Duration: 00:00:10.00, start: 0.000000, bitrate: 191 kb/s
    Stream #1:0(eng): Audio: aac (LC) (mp4a / 0x6134706D), 48000 Hz, stereo, fltp, 189 kb/s (default)
    Metadata:
      handler_name    : SoundHandler
File 'out.mp4' already exists. Overwrite ? [y/N] y
[libx264 @ 0000015f02f52b40] using SAR=1/1
[libx264 @ 0000015f02f52b40] using cpu capabilities: MMX2 SSE2Fast SSSE3 SSE4.2
[libx264 @ 0000015f02f52b40] profile High, level 5.1
[libx264 @ 0000015f02f52b40] 264 - core 148 r2665 a01e339 - H.264/MPEG-4 AVC codec - Copyleft 2003-2016 - http://www.videolan.org/x264.html - options: cabac=1 ref=3 deblock=1:0:0 analyse=0x3:0x113 me=hex subme=7 psy=1 psy_rd=1.00:0.00 mixed_ref=1 me_range=16 chroma_me=1 trellis=1 8x8dct=1 cqm=0 deadzone=21,11 fast_pskip=1 chroma_qp_offset=-2 threads=18 lookahead_threads=3 sliced_threads=0 nr=0 decimate=1 interlaced=0 bluray_compat=0 constrained_intra=0 bframes=3 b_pyramid=2 b_adapt=1 b_bias=0 direct=1 weightb=1 open_gop=0 weightp=2 keyint=250 keyint_min=25 scenecut=40 intra_refresh=0 rc_lookahead=40 rc=crf mbtree=1 crf=23.0 qcomp=0.60 qpmin=0 qpmax=69 qpstep=4 ip_ratio=1.40 aq=1:1.00
Output #0, mp4, to 'out.mp4':
  Metadata:
    encoder         : Lavf57.26.100
    Stream #0:0: Video: h264 (libx264) ([33][0][0][0] / 0x0021), yuv420p, 4096x2048 [SAR 1:1 DAR 2:1], q=-1--1, 25 fps, 12800 tbn, 25 tbc
    Metadata:
      encoder         : Lavc57.24.105 libx264
    Side data:
      cpb: bitrate max/min/avg: 0/0/0 buffer size: 0 vbv_delay: -1
    Stream #0:1(eng): Audio: aac (LC) ([64][0][0][0] / 0x0040), 48000 Hz, stereo, 189 kb/s (default)
    Metadata:
      handler_name    : SoundHandler
Stream mapping:
  Stream #0:0 -> #0:0 (png (native) -> h264 (libx264))
  Stream #1:0 -> #0:1 (copy)
Press [q] to stop, [?] for help
frame=  251 fps= 10 q=28.0 Lsize=    4746kB time=00:00:10.00 bitrate=3885.8kbits/s speed=0.416x
video:4507kB audio:231kB subtitle:0kB other streams:0kB global headers:0kB muxing overhead: 0.155678%
[libx264 @ 0000015f02f52b40] frame I:2     Avg QP:17.80  size:304307
[libx264 @ 0000015f02f52b40] frame P:82    Avg QP:19.93  size: 44228
[libx264 @ 0000015f02f52b40] frame B:167   Avg QP:21.34  size: 12982
[libx264 @ 0000015f02f52b40] consecutive B-frames:  0.8% 15.9% 46.6% 36.7%
[libx264 @ 0000015f02f52b40] mb I  I16..4: 28.9% 55.3% 15.8%
[libx264 @ 0000015f02f52b40] mb P  I16..4:  5.8%  7.6%  0.1%  P16..4: 24.5%  2.9%  2.9%  0.0%  0.0%    skip:56.3%
[libx264 @ 0000015f02f52b40] mb B  I16..4:  1.1%  1.2%  0.0%  B16..8: 17.1%  0.6%  0.0%  direct: 1.7%  skip:78.2%  L0:48.7% L1:50.7% BI: 0.6%
[libx264 @ 0000015f02f52b40] 8x8 transform intra:55.5% inter:88.7%
[libx264 @ 0000015f02f52b40] coded y,uvDC,uvAC intra: 20.3% 28.0% 3.4% inter: 4.1% 10.1% 0.0%
[libx264 @ 0000015f02f52b40] i16 v,h,dc,p: 33% 43% 13% 12%
[libx264 @ 0000015f02f52b40] i8 v,h,dc,ddl,ddr,vr,hd,vl,hu: 13% 22% 60%  1%  1%  0%  2%  0%  2%
[libx264 @ 0000015f02f52b40] i4 v,h,dc,ddl,ddr,vr,hd,vl,hu: 15% 53% 11%  3%  4%  2%  6%  2%  5%
[libx264 @ 0000015f02f52b40] i8c dc,h,v,p: 57% 30% 10%  3%
[libx264 @ 0000015f02f52b40] Weighted P-Frames: Y:0.0% UV:0.0%
[libx264 @ 0000015f02f52b40] ref P L0: 62.4%  4.7% 20.4% 12.5%
[libx264 @ 0000015f02f52b40] ref B L0: 66.2% 25.9%  7.9%
[libx264 @ 0000015f02f52b40] ref B L1: 86.0% 14.0%
[libx264 @ 0000015f02f52b40] kb/s:5102.21
video ffmpeg video-conversion Jules
źródło
Proszę dołączyć polecenie i pełne, nieprzycięte wyjście wiersza poleceń z konwersji.
slhck
Dodano dziennik zgodnie z żądaniem
Jules

Odpowiedzi:

2

Próbować 

ffmpeg -i img%04d.png -i out.m4a \
-c:v libx264 -b:v 27736k -bufsize 30000k \
-r 25 -video_track_timescale 25000 -output_ts_offset 0.01 -pix_fmt yuv420p \
-c:a copy -metadata:s:v:0 language=eng -metadata:s:a:0 language=eng -shortest out.mp4

(W zależności od tego, czy obraz lub strumień audio jest krótszy, czas trwania może się nie zgadzać)

Gyan
źródło
Mam następujące wiadomości:
Jules
Wiadomości nie dotarły. Wklej je w pytaniu (używając formatowania kodu).
Gyan
Dostałem nierozpoznaną opcję dla „video_track_timescale” i „output_ts_offset”. Na razie usuwając te opcje, przepływność zakończyła się jako 14502 kb / s, czyli znacznie bliżej, a język został poprawnie ustawiony. Początek i czas trwania nie zmieniły się bez dodatkowych opcji. Używam kompilacji pobranej 23/02/16 z ffmpeg.zeranoe.com/builds
Jules
Sprawdź ponownie składnię. Używam także lutowej kompilacji Zeranoe i obie opcje działają.
Gyan
Próbowałem ponownie z tymi opcjami i tym razem zadziałały. Nie wiem, jaki błąd popełniłem za pierwszym razem. tbn teraz pasuje. Poprawny czas rozpoczęcia, ale czas trwania jest krótki o 0,01. Zastanawiałem się, czy problem tkwi w moim wyodrębnieniu, czy potrzebuję ramki na początek i na koniec, czy jednego z nich nie będzie?
Jules