當(dāng)下比較流行的即時(shí)通信工具，比如MSN，QQ等都實(shí)現(xiàn)了視音頻的功能，通過視頻，音頻，我們可以更好的和朋友通過網(wǎng)絡(luò)進(jìn)行溝通，本文通過DirectShow技術(shù)模擬QQ實(shí)現(xiàn)了視頻和音頻的采集，傳輸，基本實(shí)現(xiàn)了QQ的視音頻聊天的功能。 　　網(wǎng)絡(luò)視音頻系統(tǒng)主要功能就在于視音頻的采集，網(wǎng)絡(luò)傳輸兩個(gè)方面，通過Video Capture系列API函數(shù)，你就可以輕松的搞定視頻捕捉，但是對(duì)于視頻的網(wǎng)絡(luò)傳輸，則要費(fèi)一番功夫了。 對(duì)于視音頻數(shù)據(jù)的傳輸，只簡(jiǎn)單地使用數(shù)據(jù)報(bào)套接字傳輸音視頻數(shù)據(jù)是不可行的，還必須在UDP層上采用RTP（實(shí)時(shí)傳輸協(xié)議）和RTCP（實(shí)時(shí)傳輸控制協(xié)議）來改善服務(wù)質(zhì)量。實(shí)時(shí)傳輸協(xié)議提供具有實(shí)時(shí)特征的、端到端的數(shù)據(jù)傳輸服務(wù)。我們?cè)谝粢曨l數(shù)據(jù)前插入包含有載荷標(biāo)識(shí)、序號(hào)、時(shí)間戳和同步源標(biāo)識(shí)符的RTP包頭，然后利用數(shù)據(jù)報(bào)套接字在IP網(wǎng)絡(luò)上傳輸RTP包，以此改善連續(xù)重放效果和音視頻同步。實(shí)時(shí)傳輸控制協(xié)議RTCP用于RTP的控制，它最基本的功能是利用發(fā)送者報(bào)告和接收者報(bào)告來推斷網(wǎng)絡(luò)的服務(wù)質(zhì)量，若擁塞狀況嚴(yán)重，則改用低速率編碼標(biāo)準(zhǔn)或降低數(shù)據(jù)傳輸比特率，以減少網(wǎng)絡(luò)負(fù)荷，提供較好的Q.S保證。

　　Directshow對(duì)于音視頻的采集提供了很好的接口，利用ICaptureGraphBuilder2接口可以很輕松的建立起視頻捕捉的graph圖，通過枚舉音頻設(shè)備Filter，也可以很輕松的實(shí)現(xiàn)音頻的捕捉，有點(diǎn)麻煩的是音視頻數(shù)據(jù)的傳輸，我們可以自己封裝RTP和RTCP的協(xié)議，來自己實(shí)現(xiàn)一個(gè)filter，用來發(fā)送和接收音視頻數(shù)據(jù)，當(dāng)然了Directshow也提供了一組支持使用RTP協(xié)議的網(wǎng)絡(luò)傳輸多媒體流的Filters。你也完全可以用Directshow提供的RTP系列的filter實(shí)現(xiàn)數(shù)據(jù)的傳輸。

　　下面分析一下這些RTP Filters。

　　新定義的Filter包括 RTP Source Filter ，RTP Render Filter，RTP Demux Filter，RTP Receive Playload Handler (RPH) filter，RTP Send Payload (SPH) filter，使用這5個(gè)filter構(gòu)建一個(gè)通過RTP協(xié)議傳輸音視頻數(shù)據(jù)的Graph是沒有問題的。

　　RTP Source filter被用來從一個(gè)單獨(dú)的RTP會(huì)話中接收RTP和RTCP包。這個(gè)filter提供一個(gè)指定發(fā)送給其它主機(jī)RTCP接收器報(bào)告和指定網(wǎng)絡(luò)地址和端口接口來接收RTP會(huì)話的接口。

　　RTP Rend filter是用來將數(shù)據(jù)發(fā)到網(wǎng)絡(luò)上的一個(gè)filter，這個(gè)filter也提供了和RTP source Filter 類似的接口。

　　RTP Demux filter用來多路分離來自 RTP Source filter的RTP 包，這個(gè)filter有一個(gè)或者多個(gè)輸出的pin。這個(gè)Filter提供了如何控制多路分離和如何分配到特定輸出pin的接口。

　　RTP RPH Filter 是用來網(wǎng)絡(luò)過來的RTP包還原成原來的數(shù)據(jù)格式，主要支持H.261，H.263，Indeo，G.711，G.723和G.729和常見的多種音視頻負(fù)載類型。

　　RTP SPH filter則和RPH filter的功能相對(duì)，它的任務(wù)是將音視頻 壓縮filter輸出的 數(shù)據(jù)分解為RTP包，它提供的接口有指定最大生成包大小和pt值。

　　下面我們看看如何用這些filter來搭建我們采集和傳輸?shù)膅raph圖。


　　圖1和圖2展示了DirectShow RTP中定義的filters如何運(yùn)用。圖1是一個(gè)采集本地多媒體數(shù)據(jù)并使用RTP協(xié)議通過網(wǎng)絡(luò)發(fā)送的filter graph。它包含一個(gè)輸出原始視頻幀的視頻采集filter，緊跟一個(gè)壓縮幀的編碼filter。一旦壓縮，這些幀就會(huì)被發(fā)送到RTP SPH filter，分片打包，生成RTP包，對(duì)應(yīng)的發(fā)送到 RTP Render filter，通過網(wǎng)絡(luò)傳輸這些包。圖2展現(xiàn)了一個(gè)filter graph，用來接收包含視頻流RTP包，播放視頻。這個(gè)graph由一個(gè)用來接收包的RTP Source filter，一個(gè)根據(jù)源和負(fù)載類型進(jìn)行分類的RTP Demux filter，一個(gè)把RTP包轉(zhuǎn)為壓縮視頻幀的RTP RPH filter組成。這些filter隨后的是用來解壓幀的解碼filter，一個(gè)顯示未壓縮幀的渲染filter。

　　有了RTP filter的幫助我們就可以完成類似qq的功能了，可以實(shí)現(xiàn)在網(wǎng)絡(luò)上進(jìn)行視頻和音頻的交互了，下面我給出在網(wǎng)絡(luò)上兩個(gè)客戶端A和B進(jìn)行音頻和視頻交互的Graph圖。這里我對(duì)圖1和圖2中的RTP filter進(jìn)行了自己封裝，將編解碼filter直接封裝到了RTP Source filter 和RTP Render filter中，這樣Graph圖就顯得很簡(jiǎn)潔，RTP Source filter只是用來接收網(wǎng)絡(luò)過來的音視頻數(shù)據(jù)，然后將數(shù)據(jù)傳遞給客戶程序，RTP Render filter則是將采集到的音視頻數(shù)據(jù)發(fā)送到網(wǎng)絡(luò)上的另一個(gè)客戶端，編解碼則的工作則封裝到這兩個(gè)filter之中。

圖3 網(wǎng)絡(luò)視頻和音頻交互的Graph圖

　　如果你也想自己封裝自己的Source 和Render filter，首先你要選擇自己的編解碼，視頻編解碼是選擇H261，H263，還是 MEPG4，音頻是選擇G729還是G711，要首先確定好。選好編解碼，封裝的工作就簡(jiǎn)單了。

　　不多說了，下面看看我給出的代碼吧。

　　首先要定義一下用到的四個(gè)RTP filter的CLSID。

static const GUID CLSID_FG729Render = { 0x3556f7d8, 0x5b5, 0x4015, { 0xb9, 0x40, 0x65, 0xb8, 0x8, 0x94, 0xc8, 0xf9 } }; //音頻發(fā)送 static const GUID CLSID_FG729Source = { 0x290bf11a, 0x93b4, 0x4662, { 0xb1, 0xa3, 0xa, 0x53, 0x51, 0xeb, 0xe5, 0x8e } };//音頻接收 static const GUID CLSID_FH263Source = { 0xa0431ccf, 0x75db, 0x463e, { 0xb1, 0xcd, 0xe, 0x9d, 0xb6, 0x67, 0xba, 0x72 } };//視頻接收 static const GUID CLSID_FH263Render = { 0x787969cf, 0xc1b6, 0x41c5, { 0xba, 0xa8, 0x4e, 0xff, 0xa3, 0xdb, 0xe4, 0x1f } };//視頻發(fā)送 //發(fā)送和接收音視頻數(shù)據(jù)的filter CComPtr< IBaseFilter > m_pAudioRtpRender ; CComPtr< IBaseFilter > m_pAudioRtpSource ; CComPtr< IBaseFilter > m_pVideoRtpRender ; CComPtr< IBaseFilter > m_pVideoRtpSource ; char szClientA[100]; int iVideoPort = 9937; int iAudioPort = 9938; //構(gòu)建視頻的graph圖,并發(fā)送數(shù)據(jù) CComPtr< IGraphBuilder > m_pVideoGraphBuilder; //視頻圖形管理器 CComPtr< ICaptureGraphBuilder2 > m_pVideoCapGraphBuilder; CComPtr< IBaseFilter > m_pFilterVideoCap; CComPtr< IVideoWindow > m_pVideoWindow; CComPtr< IMediaControl > m_pVideoMediaCtrl ; CComPtr< IBaseFilter > m_pVideoRenderFilter; HRESULT CMyDialog::VideoGraphInitAndSend() { 　HRESULT hr; 　hr =m_pVideoGraphBuilder.CoCreateInstance( CLSID_FilterGraph ); 　if(FAILED(hr)) 　　return hr; 　hr =m_pVideoCapGraphBuilder.CoCreateInstance( CLSID_CaptureGraphBuilder2); 　if(FAILED (hr)) 　　return hr; 　m_pVideoCapGraphBuilder->SetFiltergraph(m_pVideoGraphBuilder); 　m_pVideoGraphBuilder->QueryInterface(IID_IMediaControl, (void **)&m_pVideoMediaCtrl); 　m_pVideoGraphBuilder->QueryInterface(IID_IVideoWindow,(void**)&m_pVideoWindow) 　FindDeviceFilter(&m_pFilterVideoCap,CLSID_VideoInputDeviceCategory); 　if(m_pFilterVideoCap) 　　m_pVideoGraphBuilder->AddFilter( m_pFilterVideoCap,T2W("VideoCap") ) ; 　　//創(chuàng)建預(yù)覽的filter 　hr = m_pRenderFilterVideo.CoCreateInstance(CLSID_VideoRenderer); 　if(FAILED(hr)) 　　return hr; 　m_pVideoGraphBuilder->AddFilter( m_pRenderFilterVideo, L"VideoRenderFilter" ); 　Connect(m_pFilterVideoCap ,m_pRenderFilterVideo) ; 　//設(shè)置預(yù)覽的窗口 　CRect rc ; 　GetClientRect(m_hOwnerWnd, &rc ); 　int iWidth = rc.right - rc.left ; 　int iHeight = rc.bottom - rc.top ; 　int iLeft, iTop; 　if((iHeight*1.0)/(iWidth*1.0) >= 0.75) 　{ 　　//按寬度算 　　int tmpiHeight = iWidth*3/4; 　　iTop = (iHeight - tmpiHeight)/2; 　　iHeight = tmpiHeight; 　　iLeft = 0; 　} 　else 　{ 　　//按高度算 　　int tmpiWidth = iHeight*4/3; 　　iLeft = (iWidth - tmpiWidth)/2; 　　iWidth = tmpiWidth; 　　iTop = 0; 　} 　m_pVideoWindow->put_Owner( (OAHWND) m_hPreviewWnd ) ; 　m_pVideoWindow->put_Visible( OATRUE ); 　m_pVideoWindow->put_WindowStyle( WS_CHILD | WS_CLIPSIBLINGS ) ; 　//連接到網(wǎng)絡(luò)并發(fā)送 　CComPtr< IRtpOption > pRenderOption; 　CComPtr< IVideoOption > pVideoOption; 　tagVideoInfo vif(160,120,24); 　int t=((int)(m_iFrameRate/5)*5)+5; 　vif.nBitCount=24; 　vif.nWidth=160; 　vif.nHeight=120; 　hr = ::CoCreateInstance(CLSID_FH263Render, NULL, CLSCTX_INPROC, IID_IBaseFilter, (void **)&m_pVideoRtpRender); 　if(FAILED(hr)) 　　return hr; 　m_pVideoRtpRender->QueryInterface(IID_IJRTPOption, (void**)&pRenderOption); 　m_pVideoRtpRender->QueryInterface(IID_IVideoOption,(void**)&pVideoOption); 　pVideoOption->SetProperty(&vif); 　pVideoOption->SetSendFrameRate(m_iFrameRate,1);//1 不發(fā)送數(shù)據(jù)，0 實(shí)際發(fā)送數(shù)據(jù) 　Connect(m_pFilterVideoCap ,m_pVideoRtpRender) ; 　//連接對(duì)方 　hr= pRenderOption->Connect(szClientA,iVideoPort,1024); 　if(FAILED(hr)) 　　return hr; 　m_pVideoMediaCtrl->Run(); } //視頻的接收 CComPtr< IGraphBuilder > m_pVideoGraphBuilder; //視頻圖形管理器 CComPtr< IBaseFilter > m_pFilterVideoCap; CComPtr< IVideoWindow > m_pVideoWindow; CComPtr< IMediaControl > m_pVideoMediaCtrl ; CComPtr< IBaseFilter > m_pVideoRenderFilter; HWND m_hRenderWnd ; HRESULT VideoRecive() { 　HRESULT hr; 　hr=CoCreateInstance(CLSID_FilterGraph,NULL,CLSCTX_INPROC, 　IID_IFilterGraph,(void**)&m_pVideoGraphBuilder); 　m_pVideoGraphBuilder->QueryInterface(IID_IMediaControl, (void **)&m_pVideoMediaCtrl); 　m_pVideoGraphBuilder->QueryInterface(IID_IVideoWindow,(void**)&m_pVideoWindow) 　 　hr = ::CoCreateInstance(CLSID_FH263Source, NULL, CLSCTX_INPROC, IID_IBaseFilter, (void **)&m_pVideoRtpSource); 　if(FAILED(hr)) 　　return hr; 　m_pVideoGraphBuilder->AddFilter(m_pVideoRtpSource, L"My Custom Source"); 　CComPtr< IRtpOption > m_pRtpOption; 　CComPtr< IVideoOption > m_pVideoOption; 　m_pVideoRtpSource->QueryInterface(IID_IJRTPOption, (void **)&m_pRtpOption); 　m_pVideoRtpSource->QueryInterface(IID_IVideoOption, (void **)&m_pVideoOption); 　tagVideoInfo vif(160, 120 ,24); 　m_pVideoOption->SetProperty(&vif); 　hr= pRenderOption->Connect(szClientA,iVideoPort +1,1024); 　if(FAILED(hr)) 　　return hr; 　//創(chuàng)建預(yù)覽的filter 　hr = m_pRenderFilterVideo.CoCreateInstance(CLSID_VideoRenderer); 　if(FAILED(hr)) 　　return hr; 　m_pVideoGraphBuilder->AddFilter( m_pRenderFilterVideo, L"VideoRenderFilter" ); 　Connect(m_pVideoRtpSource ,m_pRenderFilterVideo) ; 　CRect rc ; 　GetClientRect(m_hOwnerWnd, &rc ); 　int iWidth = rc.right - rc.left ; 　int iHeight = rc.bottom - rc.top ; 　int iLeft, iTop; 　if((iHeight*1.0)/(iWidth*1.0) >= 0.75) 　{ 　　//按寬度算 　　int tmpiHeight = iWidth*3/4; 　　iTop = (iHeight - tmpiHeight)/2; 　　iHeight = tmpiHeight; 　　iLeft = 0; 　} 　else 　{ 　　//按高度算 　　int tmpiWidth = iHeight*4/3; 　　iLeft = (iWidth - tmpiWidth)/2; 　　iWidth = tmpiWidth; 　　iTop = 0; 　} 　m_pVideoWindow->put_Owner( (OAHWND) m_hRenderWnd ) ; 　m_pVideoWindow->put_Visible( OATRUE ); 　m_pVideoWindow->put_WindowStyle( WS_CHILD | WS_CLIPSIBLINGS ) ; 　m_pVideoMediaCtrl->Run(); 　return S_OK; } // HRESULT FindDeviceFilter(IBaseFilter ** ppSrcFilter,GUID deviceGUID) { 　HRESULT hr; 　IBaseFilter * pSrc = NULL; 　CComPtr <IMoniker> pMoniker =NULL; 　ULONG cFetched; 　if (!ppSrcFilter) 　　return E_POINTER; 　// Create the system device enumerator 　CComPtr <ICreateDevEnum> pDevEnum =NULL; 　hr = CoCreateInstance (CLSID_SystemDeviceEnum, NULL, CLSCTX_INPROC, 　IID_ICreateDevEnum, (void **) &pDevEnum); 　if (FAILED(hr)) 　　return hr; 　// Create an enumerator for the video capture devices 　CComPtr <IEnumMoniker> pClassEnum = NULL; 　hr = pDevEnum->CreateClassEnumerator (deviceGUID, &pClassEnum, 0); 　if (FAILED(hr)) 　　return hr; 　if (pClassEnum == NULL) 　　return E_FAIL; 　if (S_OK == (pClassEnum->Next (1, &pMoniker, &cFetched))) 　{ 　　hr = pMoniker->BindToObject(0,0,IID_IBaseFilter, (void**)&pSrc); 　　if (FAILED(hr)) 　　　return hr; 　} 　else 　　return E_FAIL; 　*ppSrcFilter = pSrc; 　return S_OK; } //構(gòu)建音頻Graph圖，并發(fā)送 CComPtr< IGraphBuilder > m_pAudioGraphBuilder; //音頻圖形管理器 CComPtr< ICaptureGraphBuilder2 > m_pCapAudioGraphBuilder; CComPtr< IBaseFilter > m_pFilterAudioCap; CComPtr< IMediaControl > m_pAudioMediaCtrl ; HRESULT AudioGraphInit() { 　HRESULT hr; 　hr =m_pAudioGraphBuilder.CoCreateInstance( CLSID_FilterGraph ); 　if(FAILED(hr)) 　　return hr; 　hr =m_pCapAudioGraphBuilder.CoCreateInstance( CLSID_CaptureGraphBuilder2); 　if(FAILED (hr)) 　　return hr; 　m_pAudioGraphBuilder->SetFiltergraph(m_pCapAudioGraphBuilder); 　m_pAudioGraphBuilder->QueryInterface(IID_IMediaControl, (void **)&m_pAudioMediaCtrl); 　FindDeviceFilter(&m_pFilterVideoCap,CLSID_AudioInputDeviceCategory); 　if(m_pFilterAudioCap) 　　m_pAudioGraphBuilder->AddFilter( m_pFilterAudioCap,T2W("AudioCap") ) ; 　//發(fā)送到網(wǎng)絡(luò) 　hr =::CoCreateInstance(CLSID_FG729Render,NULL,CLSCTX_INPROC, 　IID_IBaseFilter,(void**)&m_pFilterRtpSendAudio) 　if(FAILED(hr)) 　　return hr; 　m_pAudioGraphBuilder->AddFilter(m_pAudioRtpRender, L"FilterRtpSendAudio"); 　Connect(m_pFilterAudioCap,m_pAudioRtpRender); 　CComPtr< IRtpOption > pOption ; 　m_pAudioRtpRender->QueryInterface(IID_IJRTPOption,(void**)&pOption) 　hr =pOption->Connect(szClientA,iAudioPort,1024); 　if(FAILED(hr)) 　　return hr; 　m_pAudioMediaCtrl->Run(); 　return S_OK; } //音頻的接收 CComPtr< IGraphBuilder > m_pAudioGraphBuilder; //音頻圖形管理器 CComPtr< ICaptureGraphBuilder2 > m_pCapAudioGraphBuilder; CComPtr< IBaseFilter > m_pFilterAudioCap; CComPtr< IMediaControl > m_pAudioMediaCtrl ; CComPtr<IBaseFilter> m_pAudioRender; HRESULT AudioRecive() { 　HRESULT hr; 　hr =m_pAudioGraphBuilder.CoCreateInstance( CLSID_FilterGraph ); 　if(FAILED(hr)) 　　return hr; 　m_pAudioGraphBuilder->QueryInterface(IID_IMediaControl, (void **)&m_pAudioMediaCtrl); 　hr = m_pAudioRtpSource->CoCreateInstance(CLSID_FG729Source) ; 　if(FAILED(hr)) 　　return hr; 　m_pAudioGraphBuilder->AddFilter(m_pAudioRtpSource,L"AudioRtp"); 　//創(chuàng)建聲卡Renderfilter 　FindDeviceFilter(&m_pAudioRender,CLSID_AudioRendererCategory); 　m_pAudioGraphBuilder->AddFilter(m_pAudioRender,L"AudioRender"); 　CComPtr< IRtpOption > pRtpOption ; 　m_pAudioRtpSource->QueryInterface(IID_IJRTPOption,(void**)&pRtpOption) 　hr= pRtpOption->Connect(szClientA,iAudioPort+2,1024); 　if(FAILED (hr)) 　　return hr; 　Connect(m_pAudioRtpSource,m_pAudioRender); 　 　m_pAudioMediaCtrl->Run(); 　return S_OK; }