git.sesse.net Git - ffmpeg/blob - libavfilter/vf_sr.c

   1 /*
   2  * Copyright (c) 2018 Sergey Lavrushkin
   3  *
   4  * This file is part of FFmpeg.
   5  *
   6  * FFmpeg is free software; you can redistribute it and/or
   7  * modify it under the terms of the GNU Lesser General Public
   8  * License as published by the Free Software Foundation; either
   9  * version 2.1 of the License, or (at your option) any later version.
  10  *
  11  * FFmpeg is distributed in the hope that it will be useful,
  12  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  13  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  14  * Lesser General Public License for more details.
  15  *
  16  * You should have received a copy of the GNU Lesser General Public
  17  * License along with FFmpeg; if not, write to the Free Software
  18  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
  19  */
  20
  21 /**
  22  * @file
  23  * Filter implementing image super-resolution using deep convolutional networks.
  24  * https://arxiv.org/abs/1501.00092
  25  * https://arxiv.org/abs/1609.05158
  26  */
  27
  28 #include "avfilter.h"
  29 #include "formats.h"
  30 #include "internal.h"
  31 #include "libavutil/opt.h"
  32 #include "libavformat/avio.h"
  33 #include "libswscale/swscale.h"
  34 #include "dnn_interface.h"
  35
  36 typedef struct SRContext {
  37     const AVClass *class;
  38
  39     char *model_filename;
  40     DNNBackendType backend_type;
  41     DNNModule *dnn_module;
  42     DNNModel *model;
  43     DNNData input, output;
  44     int scale_factor;
  45     struct SwsContext *sws_contexts[3];
  46     int sws_slice_h, sws_input_linesize, sws_output_linesize;
  47 } SRContext;
  48
  49 #define OFFSET(x) offsetof(SRContext, x)
  50 #define FLAGS AV_OPT_FLAG_FILTERING_PARAM | AV_OPT_FLAG_VIDEO_PARAM
  51 static const AVOption sr_options[] = {
  52     { "dnn_backend", "DNN backend used for model execution", OFFSET(backend_type), AV_OPT_TYPE_FLAGS, { .i64 = 0 }, 0, 1, FLAGS, "backend" },
  53     { "native", "native backend flag", 0, AV_OPT_TYPE_CONST, { .i64 = 0 }, 0, 0, FLAGS, "backend" },
  54 #if (CONFIG_LIBTENSORFLOW == 1)
  55     { "tensorflow", "tensorflow backend flag", 0, AV_OPT_TYPE_CONST, { .i64 = 1 }, 0, 0, FLAGS, "backend" },
  56 #endif
  57     { "scale_factor", "scale factor for SRCNN model", OFFSET(scale_factor), AV_OPT_TYPE_INT, { .i64 = 2 }, 2, 4, FLAGS },
  58     { "model", "path to model file specifying network architecture and its parameters", OFFSET(model_filename), AV_OPT_TYPE_STRING, {.str=NULL}, 0, 0, FLAGS },
  59     { NULL }
  60 };
  61
  62 AVFILTER_DEFINE_CLASS(sr);
  63
  64 static av_cold int init(AVFilterContext *context)
  65 {
  66     SRContext *sr_context = context->priv;
  67
  68     sr_context->dnn_module = ff_get_dnn_module(sr_context->backend_type);
  69     if (!sr_context->dnn_module){
  70         av_log(context, AV_LOG_ERROR, "could not create DNN module for requested backend\n");
  71         return AVERROR(ENOMEM);
  72     }
  73     if (!sr_context->model_filename){
  74         av_log(context, AV_LOG_ERROR, "model file for network was not specified\n");
  75         return AVERROR(EIO);
  76     } else {
  77         if (!sr_context->dnn_module->load_model) {
  78             av_log(context, AV_LOG_ERROR, "load_model for network was not specified\n");
  79             return AVERROR(EIO);
  80         } else {
  81             sr_context->model = (sr_context->dnn_module->load_model)(sr_context->model_filename);
  82         }
  83     }
  84     if (!sr_context->model){
  85         av_log(context, AV_LOG_ERROR, "could not load DNN model\n");
  86         return AVERROR(EIO);
  87     }
  88
  89     sr_context->sws_contexts[0] = NULL;
  90     sr_context->sws_contexts[1] = NULL;
  91     sr_context->sws_contexts[2] = NULL;
  92
  93     return 0;
  94 }
  95
  96 static int query_formats(AVFilterContext *context)
  97 {
  98     const enum AVPixelFormat pixel_formats[] = {AV_PIX_FMT_YUV420P, AV_PIX_FMT_YUV422P, AV_PIX_FMT_YUV444P,
  99                                                 AV_PIX_FMT_YUV410P, AV_PIX_FMT_YUV411P, AV_PIX_FMT_GRAY8,
 100                                                 AV_PIX_FMT_NONE};
 101     AVFilterFormats *formats_list;
 102
 103     formats_list = ff_make_format_list(pixel_formats);
 104     if (!formats_list){
 105         av_log(context, AV_LOG_ERROR, "could not create formats list\n");
 106         return AVERROR(ENOMEM);
 107     }
 108
 109     return ff_set_common_formats(context, formats_list);
 110 }
 111
 112 static int config_props(AVFilterLink *inlink)
 113 {
 114     AVFilterContext *context = inlink->dst;
 115     SRContext *sr_context = context->priv;
 116     AVFilterLink *outlink = context->outputs[0];
 117     DNNReturnType result;
 118     int sws_src_h, sws_src_w, sws_dst_h, sws_dst_w;
 119
 120     sr_context->input.width = inlink->w * sr_context->scale_factor;
 121     sr_context->input.height = inlink->h * sr_context->scale_factor;
 122     sr_context->input.channels = 1;
 123
 124     result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, "x", &sr_context->output, "y");
 125     if (result != DNN_SUCCESS){
 126         av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 127         return AVERROR(EIO);
 128     }
 129
 130     if (sr_context->input.height != sr_context->output.height || sr_context->input.width != sr_context->output.width){
 131         sr_context->input.width = inlink->w;
 132         sr_context->input.height = inlink->h;
 133         result = (sr_context->model->set_input_output)(sr_context->model->model, &sr_context->input, "x", &sr_context->output, "y");
 134         if (result != DNN_SUCCESS){
 135             av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 136             return AVERROR(EIO);
 137         }
 138         sr_context->scale_factor = 0;
 139     }
 140     outlink->h = sr_context->output.height;
 141     outlink->w = sr_context->output.width;
 142     sr_context->sws_contexts[1] = sws_getContext(sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAY8,
 143                                                  sr_context->input.width, sr_context->input.height, AV_PIX_FMT_GRAYF32,
 144                                                  0, NULL, NULL, NULL);
 145     sr_context->sws_input_linesize = sr_context->input.width << 2;
 146     sr_context->sws_contexts[2] = sws_getContext(sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAYF32,
 147                                                  sr_context->output.width, sr_context->output.height, AV_PIX_FMT_GRAY8,
 148                                                  0, NULL, NULL, NULL);
 149     sr_context->sws_output_linesize = sr_context->output.width << 2;
 150     if (!sr_context->sws_contexts[1] || !sr_context->sws_contexts[2]){
 151         av_log(context, AV_LOG_ERROR, "could not create SwsContext for conversions\n");
 152         return AVERROR(ENOMEM);
 153     }
 154     if (sr_context->scale_factor){
 155         sr_context->sws_contexts[0] = sws_getContext(inlink->w, inlink->h, inlink->format,
 156                                                      outlink->w, outlink->h, outlink->format,
 157                                                      SWS_BICUBIC, NULL, NULL, NULL);
 158         if (!sr_context->sws_contexts[0]){
 159             av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 160             return AVERROR(ENOMEM);
 161         }
 162         sr_context->sws_slice_h = inlink->h;
 163     } else {
 164         if (inlink->format != AV_PIX_FMT_GRAY8){
 165             sws_src_h = sr_context->input.height;
 166             sws_src_w = sr_context->input.width;
 167             sws_dst_h = sr_context->output.height;
 168             sws_dst_w = sr_context->output.width;
 169
 170             switch (inlink->format){
 171             case AV_PIX_FMT_YUV420P:
 172                 sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 1);
 173                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 174                 sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 1);
 175                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 176                 break;
 177             case AV_PIX_FMT_YUV422P:
 178                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 1);
 179                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 1);
 180                 break;
 181             case AV_PIX_FMT_YUV444P:
 182                 break;
 183             case AV_PIX_FMT_YUV410P:
 184                 sws_src_h = AV_CEIL_RSHIFT(sws_src_h, 2);
 185                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 186                 sws_dst_h = AV_CEIL_RSHIFT(sws_dst_h, 2);
 187                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 188                 break;
 189             case AV_PIX_FMT_YUV411P:
 190                 sws_src_w = AV_CEIL_RSHIFT(sws_src_w, 2);
 191                 sws_dst_w = AV_CEIL_RSHIFT(sws_dst_w, 2);
 192                 break;
 193             default:
 194                 av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling for given input pixel format");
 195                 return AVERROR(EIO);
 196             }
 197             sr_context->sws_contexts[0] = sws_getContext(sws_src_w, sws_src_h, AV_PIX_FMT_GRAY8,
 198                                                          sws_dst_w, sws_dst_h, AV_PIX_FMT_GRAY8,
 199                                                          SWS_BICUBIC, NULL, NULL, NULL);
 200             if (!sr_context->sws_contexts[0]){
 201                 av_log(context, AV_LOG_ERROR, "could not create SwsContext for scaling\n");
 202                 return AVERROR(ENOMEM);
 203             }
 204             sr_context->sws_slice_h = sws_src_h;
 205         }
 206     }
 207
 208     return 0;
 209 }
 210
 211 static int filter_frame(AVFilterLink *inlink, AVFrame *in)
 212 {
 213     AVFilterContext *context = inlink->dst;
 214     SRContext *sr_context = context->priv;
 215     AVFilterLink *outlink = context->outputs[0];
 216     AVFrame *out = ff_get_video_buffer(outlink, outlink->w, outlink->h);
 217     DNNReturnType dnn_result;
 218
 219     if (!out){
 220         av_log(context, AV_LOG_ERROR, "could not allocate memory for output frame\n");
 221         av_frame_free(&in);
 222         return AVERROR(ENOMEM);
 223     }
 224     av_frame_copy_props(out, in);
 225     out->height = sr_context->output.height;
 226     out->width = sr_context->output.width;
 227     if (sr_context->scale_factor){
 228         sws_scale(sr_context->sws_contexts[0], (const uint8_t **)in->data, in->linesize,
 229                   0, sr_context->sws_slice_h, out->data, out->linesize);
 230
 231         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)out->data, out->linesize,
 232                   0, out->height, (uint8_t * const*)(&sr_context->input.data),
 233                   (const int [4]){sr_context->sws_input_linesize, 0, 0, 0});
 234     } else {
 235         if (sr_context->sws_contexts[0]){
 236             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 1), in->linesize + 1,
 237                       0, sr_context->sws_slice_h, out->data + 1, out->linesize + 1);
 238             sws_scale(sr_context->sws_contexts[0], (const uint8_t **)(in->data + 2), in->linesize + 2,
 239                       0, sr_context->sws_slice_h, out->data + 2, out->linesize + 2);
 240         }
 241
 242         sws_scale(sr_context->sws_contexts[1], (const uint8_t **)in->data, in->linesize,
 243                   0, in->height, (uint8_t * const*)(&sr_context->input.data),
 244                   (const int [4]){sr_context->sws_input_linesize, 0, 0, 0});
 245     }
 246     av_frame_free(&in);
 247
 248     dnn_result = (sr_context->dnn_module->execute_model)(sr_context->model);
 249     if (dnn_result != DNN_SUCCESS){
 250         av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 251         return AVERROR(EIO);
 252     }
 253
 254     sws_scale(sr_context->sws_contexts[2], (const uint8_t *[4]){(const uint8_t *)sr_context->output.data, 0, 0, 0},
 255               (const int[4]){sr_context->sws_output_linesize, 0, 0, 0},
 256               0, out->height, (uint8_t * const*)out->data, out->linesize);
 257
 258     return ff_filter_frame(outlink, out);
 259 }
 260
 261 static av_cold void uninit(AVFilterContext *context)
 262 {
 263     int i;
 264     SRContext *sr_context = context->priv;
 265
 266     if (sr_context->dnn_module){
 267         (sr_context->dnn_module->free_model)(&sr_context->model);
 268         av_freep(&sr_context->dnn_module);
 269     }
 270
 271     for (i = 0; i < 3; ++i){
 272         if (sr_context->sws_contexts[i]){
 273             sws_freeContext(sr_context->sws_contexts[i]);
 274         }
 275     }
 276 }
 277
 278 static const AVFilterPad sr_inputs[] = {
 279     {
 280         .name         = "default",
 281         .type         = AVMEDIA_TYPE_VIDEO,
 282         .config_props = config_props,
 283         .filter_frame = filter_frame,
 284     },
 285     { NULL }
 286 };
 287
 288 static const AVFilterPad sr_outputs[] = {
 289     {
 290         .name = "default",
 291         .type = AVMEDIA_TYPE_VIDEO,
 292     },
 293     { NULL }
 294 };
 295
 296 AVFilter ff_vf_sr = {
 297     .name          = "sr",
 298     .description   = NULL_IF_CONFIG_SMALL("Apply DNN-based image super resolution to the input."),
 299     .priv_size     = sizeof(SRContext),
 300     .init          = init,
 301     .uninit        = uninit,
 302     .query_formats = query_formats,
 303     .inputs        = sr_inputs,
 304     .outputs       = sr_outputs,
 305     .priv_class    = &sr_class,
 306     .flags         = AVFILTER_FLAG_SUPPORT_TIMELINE_GENERIC | AVFILTER_FLAG_SLICE_THREADS,
 307 };
 308