Welkin小窩

PTS：Presentation Time Stamp。PTS主要用於度量解碼後的視頻幀什麼時候被顯示出來
DTS：Decode Time Stamp。DTS主要是標識讀入內存中的 bitstream 流在什麼時候開始送入解碼器中進行解碼

也就是pts反映幀什麼時候開始顯示，dts反映數據流什麼時候開始解碼

怎麼理解這裡的“什麼時候”呢？如果有某一幀，假設它是第10秒開始顯示。
那麼它的pts是多少呢。是10？還是10s？還是兩者都不是。

為了回答這個問題，先引入FFmpeg中時間基的概念，也就是time_base。它也是用來度量時間的。
如果把1秒分為25等份，你可以理解就是一把尺，那麼每一格表示的就是1/25秒。此時的time_base={1，25}
如果你是把1秒分成90000份，每一個刻度就是1/90000秒，此時的time_base={1，90000}。

所謂時間基表示的就是每個刻度是多少秒
pts的值就是佔多少個時間刻度(佔多少個格子)。它的單位不是秒，而是時間刻度。只有pts加上time_base兩者同時在一起，才能表達出時間是多少。

好比我只告訴你，某物體的長度佔某一把尺上的20個刻度。
但是我不告訴你，這把尺總共是多少厘米的，你就沒辦法計算每個刻度是多少厘米，你也就無法知道物體的長度。
pts=20個刻度
time_base={1,10}每一個刻度是1/10厘米
所以物體的長度=pts * time_base=20 *1/10厘米

在ffmpeg中。av_q2d(time_base)=每個刻度是多少秒
此時你應該不難理解pts*av_q2d(time_base)才是幀的顯示時間戳。

下面理解時間基的轉換，為什麼要有時間基轉換。
首先，不同的封裝格式，timebase是不一樣的。

另外，整個轉碼過程，不同的數據狀態對應的時間基也不一致。拿mpegts封裝格式25fps來說(只說視頻，音頻大致一樣，但也略有不同)。
非壓縮時候的數據(即YUV或者其它)，在ffmpeg中對應的結構體為AVFrame,它的時間基為AVCodecContext的time_base ,AVRational{1,25}。
壓縮後的數據(對應的結構體為AVPacket)對應的時間基為AVStream的time_base，AVRational{1,90000}。
因為數據狀態不同，時間基不一樣，所以我們必須轉換，在1/25時間刻度下佔10格，在1/90000下是佔多少格。這就是pts的轉換。

根據pts來計算一楨在整個視頻中的時間位置：
timestamp(秒) = pts * av_q2d(st->time_base)

duration和pts單位一樣，duration表示當前幀的持續時間佔多少格。或者理解是兩幀的間隔時間是佔多少格。一定要理解單位。
pts：格子數
av_q2d(st->time_base):秒/格

計算視頻長度：
time(秒) = st->duration * av_q2d(st->time_base)

ffmpeg內部的時間與標準的時間轉換方法：
ffmpeg內部的時間戳 = AV_TIME_BASE * time(秒)
AV_TIME_BASE_Q = 1/AV_TIME_BASE

av_rescale_q(int64_t a, AVRational bq, AVRational cq)函數
這個函數的作用是計算 a*bq/cq 來把時間戳從一個時間基調整到另外一個時間基。
在進行時間基轉換的時候，應該首先這個函數，因為它可以避免溢出的情況發生。
函數表示在bq下的佔a個格子，在cq下是多少。

關於音頻pts的計算：
音頻sample_rate:samples per second，即採樣率，表示每秒採集多少採樣點。
比如44100HZ，就是一秒採集44100個sample.
即每個sample的時間是1/44100秒

一個音頻幀的AVFrame有nb_samples個sample，所以一個AVFrame耗時是nb_samples (1/44100)秒
即標準時間下 duration_s=nb_samples (1/44100)秒，

轉換成AVStream時間基下
duration=duration_s / av_q2d(st ->time_base)

基於st->time_base的num值一般等於採樣率,所以 duration=nb_samples
pts=n*duration=n*nb_samples

補充：
next_pts-current_pts=current_duration, 根據數學等差公式 an=a1+(n-1)*d 可得 pts=n*d